如何用dplyr按ID统计去重且排除NA的域名数量？

通过以下步骤可以快速实现按ID聚合并统计唯一域名数量（排除"na"值）：

1. 过滤掉域名值为"na"的行
2. 按id分组
3. 统计每组内的唯一域名数量

# 加载dplyr包
library(dplyr)

# 构造样例数据
sample_data <- tibble(
  id = c(1,1,1,1,1,2,2,2,3,3,3,3),
  domain = c("ca", "ca", "com", "na", "com", "org", "na", "ca", "org", "ca", "com", "net")
)

# 计算结果
result <- sample_data %>%
  filter(domain != "na") %>%
  group_by(id) %>%
  summarise(count_domain = n_distinct(domain))

# 输出结果
print(result)

运行后会得到与期望一致的输出，该方法支持大规模数据处理，无需手动判断。

如果更习惯用Excel处理，有两种高效方法：

方法1：数据透视表法 #

• 选中包含表头的所有数据区域
• 点击「插入」→「数据透视表」，选择合适的放置位置
• 在数据透视表字段面板中：
  • 将id拖至「行」区域
  • 将domain拖至「值」区域
  • 点击值区域的domain→「值字段设置」，选择「非重复计数」
  • 点击数据透视表中domain的下拉菜单，取消勾选「na」后确定

方法2：公式法 #

1. 在空白列（如D列）输入=UNIQUE(A2:A13)，提取所有不重复的id
2. 在D列对应行的右侧（如E2）输入公式：

   =SUMPRODUCT((A$2:A$13=D2)*(B$2:B$13<>"na")/COUNTIFS(A$2:A$13,A$2:A$13,B$2:B$13,B$2:B$13))
   

3. 下拉填充公式至所有id行，即可得到统计结果

内容的提问来源于stack exchange，提问作者Khurram Ahmed