如何在R中对dataframe按三个变量排序并统计分组计数？

你出现两个报错的核心原因是跳过了分组统计生成n列的步骤，直接在原始数据表上调用了不存在的n变量。

报错原因解释 #

• 第一个Error in -n : invalid argument to unary operator：原始dftime里没有汇总后的n列，R无法识别n对象，对不存在的对象加负号自然触发一元运算符报错。
• 第二个tapply参数长度不一致报错：去掉负号后，R仍然找不到n列，会尝试调用全局环境中其他同名变量，该变量长度和你的country/case_month列长度不匹配，触发tapply参数校验报错。

完整解决步骤 #

第一步：先按三个维度分组统计得到n列 #

library(dplyr)
# 分组计数得到汇总表
dftime_count <- dftime %>%
  group_by(country, case_year, case_month) %>%
  summarise(n = n(), .groups = "drop")

运行后你就可以得到符合要求的、带n列的汇总表。

第二步：对分类变量做排序 #

注意月份如果按n的总和排序会打乱自然时间顺序，更合理的方式是按1-12月的自然顺序设置因子水平，如果你确实需要按计数排序可以切换注释的代码：

# 定义月份自然顺序的水平值
month_levels <- c("January","February","March","April","May","June",
                  "July","August","September","October","November","December")

dftime_ord <- dftime_count %>%
  # 国家按总基因计数降序排列
  mutate(country = reorder(country, -n, sum),
         # 月份按自然时间顺序排序
         case_month = factor(case_month, levels = month_levels))
         # 若需要按计数总和排序月份，替换为下面的代码
         # case_month = reorder(case_month, -n, sum)

第三步：运行绘图代码 #

处理完的dftime_ord就可以直接跑你原来的ggplot代码，不会再报错。

内容的提问来源于stack exchange，提问作者bergdoktor