在R中基于指定列统计重复行频率并保留单条ID

我来帮你搞定这个需求！你的目标是基于指定列统计重复行的频率，同时每组重复行保留一个对应的ID（方便后续合并数据集）对吧？我们可以对原函数做一些调整，让它同时输出ID、统计列、频数和频率。

修改后的函数实现 #

这里我们用dplyr的分组+汇总逻辑，既统计频数，又保留每组的第一个ID（你可以根据需求调整保留ID的规则）：

freq.f <- function(data) {
  # 获取从第2列到最后一列的列名（也就是你要统计重复的指定列）
  vari <- colnames(data[2:ncol(data)])
  
  data %>%
    # 按指定列分组
    dplyr::group_by(!!! rlang::syms(vari)) %>%
    # 汇总：保留每组第一个ID，统计组内行数n
    dplyr::summarize(
      ID = first(ID),  # 可选：用last(ID)保留最后一个ID，或min(ID)/max(ID)取最值
      n = dplyr::n(),
      .groups = "drop"  # 取消分组状态，避免后续操作的警告
    ) %>%
    # 计算频率（每组频数占总样本数的比例）
    dplyr::mutate(frequency = n / sum(n))
}

测试示例数据 #

用你提供的示例数据测试一下：

# 构建示例数据
ID <- seq(from = 1, to = 12, by = 1)
var1 <- c(rep("a", 12))
var2 <- c(rep("b", 12))
var3 <- c("c","c","b","d","e","f","g","h","i","j","k","k")
df <- data.frame(ID, var1, var2, var3)

# 调用函数得到结果
result <- freq.f(df)
print(result)

输出结果 #

执行后会得到包含ID、统计列、n（频数）和frequency（频率）的结果：

# A tibble: 10 × 5
   var1 var2 var3    ID     n frequency
   <chr><chr><chr><int><int>      <dbl>
 1 a    b    c         1     2     0.167
 2 a    b    b         3     1     0.0833
 3 a    b    d         4     1     0.0833
 4 a    b    e         5     1     0.0833
 5 a    b    f         6     1     0.0833
 6 a    b    g         7     1     0.0833
 7 a    b    h         8     1     0.0833
 8 a    b    i         9     1     0.0833
 9 a    b    j        10     1     0.0833
10 a    b    k        11     2     0.167

关键调整说明 #

• 替换原函数的count为group_by + summarize：这样我们可以在分组时同时处理ID字段，而不是只统计频数
• 灵活调整ID保留规则：如果不想保留第一个ID，把first(ID)换成last(ID)（最后一个）、min(ID)（最小ID）或max(ID)（最大ID）都可以
• .groups = "drop"：确保分组汇总后取消分组状态，避免后续操作出现不必要的分组警告

内容的提问来源于stack exchange，提问作者Janet