R使用dplyr按逻辑条件对分组数据集的Age分箱并聚合数值列
可行实现方案
核心思路是先把Age按规则转成离散类别,再把这个类别和原有的Sex、Race一起作为聚合的分组维度,直接对对应组的Value列求和,完全不用硬写嵌入across的跨列校验自定义函数——之前硬绕这个方向自然跑不通。
直接可用的代码如下:
- 先加载dplyr依赖:
library(dplyr)
- 完整聚合流程:
df2 <- df %>% # 按规则映射Age为离散分组 mutate( Age_group = case_when( Age %in% c(1,2) ~ "a", Age %in% c(3,4) ~ "b" ) ) %>% # 绑定所有需要的分组维度:Sex、Race、新生成的年龄类别 group_by(Sex, Race, Age_group) %>% # 对所有以Value开头的列做组内求和 summarise( across(starts_with("Value"), sum), .groups = "drop" )
结果匹配校验
拿你提到的示例值核对:Sex=1、Race=1的分组下,类别a对应的Value 1为75(Age=1)+71(Age=2)=146,和预期值完全一致;同组下类别b对应的Value 1为52(Age=3)+51(Age=4)=103,完全符合求和规则。
如果希望最终输出的年龄类别列直接和原数据列名对齐,只需要把代码里生成Age_group的列名替换为Age即可,其余逻辑不需要调整。
原写法失效的原因
你之前的代码只按Sex, Race两个维度分组,想在across的自定义函数里校验Age值再求和,但across传给自定义函数的输入,仅为当前选中的Value列的纯数值向量,根本拿不到同组下对应的Age列内容,自然没法完成跨列判断和分组求和。把年龄类别作为独立的分组维度纳入group_by后,拆分和聚合的逻辑会按规则自动完成,不需要额外写复杂的跨列判断逻辑。
内容的提问来源于stack exchange,提问作者Ricardo Semião
相关产品推荐
相关产品推荐

