R语言按井号、采样日期分组分析地下水DataFrame方法

R完全支持类似Python的for循环遍历逻辑，且针对这类数千行规模的分组统计场景，还有更简洁高效的向量化实现方案，不需要手动拆分数据集后反复拼接，具体实现如下：

方案一：向量化分组计算（推荐，代码简洁性能好） #

首先预处理列名，把带空格的原始字段名改成方便调用的形式，假设原始数据框名为gw_sample：

# 重命名列，对应原始四个字段：井号、采样日期、检测化合物、检测结果
colnames(gw_sample) <- c("well_id", "sample_date", "compound", "result")

dplyr实现 #

适合习惯tidyverse语法的场景：

library(dplyr)

calc_res <- gw_sample %>%
  group_by(well_id, sample_date) %>%
  # 核心逻辑：统计分组内结果>0.2的去重化合物数，判断是否≥2
  summarise(
    is_over = n_distinct(compound[result > 0.2]) >= 2,
    .groups = "drop"
  ) %>%
  # 拼接为要求的输出格式
  mutate(output = paste0(well_id, " ", sample_date, " -> ", tolower(as.character(is_over))))

最终要求格式的结果存储在calc_res$output向量中，直接打印即可得到类似A 2020-01-01 -> true的结果，其余不符合条件的分组自动返回false。

data.table实现 #

适合数据量更大的场景，性能最优：

library(data.table)
setDT(gw_sample)

calc_res <- gw_sample[, 
  .(is_over = uniqueN(compound[result > 0.2]) >= 2), 
  by = .(well_id, sample_date)
][, output := paste0(well_id, " ", sample_date, " -> ", tolower(as.character(is_over)))]

方案二：显式for循环实现（和Python遍历逻辑一致） #

如果需要写和Python逻辑完全对齐的循环写法也可以实现，步骤是先取全部分组组合，再逐组遍历判断：

# 提取所有不重复的井号+采样日期分组
all_groups <- unique(gw_sample[, c("well_id", "sample_date")])
output <- vector("character", nrow(all_groups))

# 逐组遍历判断
for (i in seq_along(output)) {
  cur_well <- all_groups$well_id[i]
  cur_date <- all_groups$sample_date[i]
  # 筛选当前分组的子集
  sub_data <- gw_sample[gw_sample$well_id == cur_well & gw_sample$sample_date == cur_date, ]
  # 统计符合条件的去重化合物数量
  valid_compound_cnt <- length(unique(sub_data$compound[sub_data$result > 0.2]))
  # 拼接结果
  output[i] <- paste0(cur_well, " ", cur_date, " -> ", tolower(as.character(valid_compound_cnt >= 2)))
}

数千行数据规模下，这个循环写法的运行速度和向量化方案没有明显感知差异。

之前split方案的补全实现 #

如果已经用split拆分了数据集，只需要加一层列表遍历就能解决输出格式问题：

# 原split拆分步骤
split_data <- split(gw_sample, list(gw_sample$well_id, gw_sample$sample_date), drop = TRUE)
# 遍历拆分后的列表拼接结果
output <- sapply(names(split_data), function(group_name){
  current_sub <- split_data[[group_name]]
  flag <- length(unique(current_sub$compound[current_sub$result > 0.2])) >= 2
  # split默认用.连接分组名，替换回空格即可
  paste0(gsub("\\.", " ", group_name), " -> ", tolower(as.character(flag)))
})

注意点 #

• R原生逻辑值输出为大写TRUE/FALSE，用tolower()转成小写即可和示例要求的true/false对齐
• 如果采样日期列是Date/POSIX时间类型，拼接时会自动转为标准日期字符串，不需要额外格式化
• 去重统计化合物数量时一定要加去重逻辑，避免同一化合物重复检测导致计数错误

内容的提问来源于stack exchange，提问作者Mailynn