R语言中如何按区域分组统计dataframe的ID总和及伤亡汇总数据

报错原因 #

• 执行group_by+ summarise操作后，dplyr默认仅保留分组字段和summarise内显式计算生成的字段，你没有在summarise中处理ID字段，执行完summarise后ID就被丢弃了，后续mutate调用自然找不到该对象。
• 你计算事故数的逻辑有误：sum(ID)是对ID字段的值求和，不是统计事故数量，要统计每个分组的事故行数应该用n()，如果存在单起事故对应多条重复ID的情况，用n_distinct(ID)统计唯一事故数更稳妥。
• 原有代码还存在语法问题：across(Population)所在行缺少右括号，属于语法错误。

修正后代码 #

如果你的ID是唯一值，每一行对应一起独立事故，用以下代码即可：

library(dplyr)
crashes_stats_TA <- crashes_TA %>% 
  group_by(TA_code, TA_name) %>%
  summarise(
    # 所有带count的字段求和
    across(contains("count"), ~sum(., na.rm = TRUE)),
    # 人口和百分比字段求均值，不需要的话可以删除这两行
    across(Population, ~mean(., na.rm = TRUE)),
    across(contains("perc"), ~mean(., na.rm = TRUE), .names = "{.col}_mean"),
    # 直接统计事故数量
    crashes = n()
  ) %>%
  # 计算总伤亡人数
  mutate(casualties = fatal_count + serious_injury_count + minor_injury_count)

如果ID存在重复，把crashes = n()替换为crashes = n_distinct(ID, na.rm = TRUE)即可。

代码说明 #

• 所有统计计算都放在summarise内完成，避免后续mutate找不到字段的问题
• 伤亡人数计算不需要加round，因为人数本身就是整数，求和结果也为整数
• 如果不需要Population、perc相关的统计字段，直接删除对应的across行即可，不影响核心字段的计算结果

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