R语言按组求和仅统计每个个体首条记录的实现方法咨询

背景说明 #

• 示例数据规则：共4个分组，每组包含2个个体，每个个体对应2条记录，总数据量为16条
• 核心计算指标定义：Func = X * Y + Z
• 原有实现逻辑：对全部16条记录按分组计算Func的总和
• 需求：仅取每个个体的第一条记录计算Func，再按分组求和，最终输出长度为4的数值向量，对应4个分组的求和结果

示例数据生成代码 #

rm(list=ls()); set.seed(1234)
G = 4 # 共4个分组
nTot <- 8 # 总共有8个个体
group <- rep(1:G, rep(4,G)) # 分组标识向量
individualID <- rep(1:nTot, rep(2,nTot)) # 个体标识向量，每个个体对应2条记录

n <- 2 * nTot # 总记录数16条
X <- rbinom(n, 1, 0.5)
Y <- runif(n, 0, 1)
Z <- runif(n, 0, 4)

df1 <- round(data.frame(group, individualID, X, Y, Z), 3)

对应实现代码 #

基础包实现（无需额外依赖） #

# 筛选每个个体第一条记录的索引
first_entry_idx <- !duplicated(individualID)
# 计算全量Func指标
Func <- X * Y + Z
# 仅取首条记录的Func和对应分组，按组求和
GroupSum <- as.numeric(sapply(split(Func[first_entry_idx], group[first_entry_idx]), sum))

输出的GroupSum就是长度为4的结果向量，分别对应4个分组的求和值。

dplyr包实现（逻辑更清晰易维护） #

如果习惯使用tidyverse生态的工具，可以用如下代码实现：

library(dplyr)
GroupSum <- df1 %>%
  group_by(individualID) %>%
  slice(1) %>% # 取每个个体的第一条记录
  ungroup() %>%
  mutate(Func = X * Y + Z) %>%
  group_by(group) %>%
  summarise(sum_Func = sum(Func)) %>%
  pull(sum_Func)

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