dplyr v0.7.6按日分组排名失效问题排查与解决

是不是碰到了dplyr 0.7.6版本里的这个糟心问题？明明写了按日期分组算排名的代码，结果group_by(CREATIONDATE_DAY)根本没生效，出来的是全局排名而非每日分组的排名？

问题还原 #

你当时运行的代码是这样的：

dates <- sample(seq(from=as.POSIXct("2019-03-12",tz="UTC"),to=as.POSIXct("2019-03-20",tz="UTC"),by = "day"),size = 100,replace=TRUE)
group <- sample(c("A","B","C"),100,TRUE)
df <- data.frame(CREATIONDATE_DAY = dates,GROUP = group)
# 统计每日每组的出现次数
dfMod <- df %>% group_by(CREATIONDATE_DAY,GROUP) %>% dplyr::summarise(COUNT = n()) %>% ungroup()
# 按日期分组，按COUNT倒序计算排名
dfMod <- dfMod %>% group_by(CREATIONDATE_DAY) %>% mutate(rank = rank(-COUNT, ties.method ="min"))

就像你提到的，比如2019-03-16那天COUNT=4的组本该排第1，COUNT=3的组排第2，但实际得到的却是全局排名，完全不符合预期。

问题根源 #

这其实是dplyr 0.7.6版本的一个已知bug——当分组后用mutate()调用rank()函数时，分组的上下文没有被正确识别，导致rank()直接忽略了分组条件，按整个数据集来计算排名了。

解决办法 #

最简单直接的方案就是把dplyr升级到最新的稳定版本。官方在后续版本里已经修复了这个分组计算的bug，升级之后再跑这段代码，group_by(CREATIONDATE_DAY)就会正常工作，rank()会在每个日期的分组里独立计算排名，完全符合你的预期。

效果验证 #

升级后重新执行代码，你会看到每个日期分组内的rank列都正确按照-COUNT的顺序，用ties.method="min"的规则生成排名，比如2019-03-16的COUNT=4组排名为1，COUNT=3组排名为2，和你想要的结果一致。

内容的提问来源于stack exchange，提问作者Kilian