基于年份多条件使用dplyr::summarise生成年度论文计数列求助

我希望基于每年的论文数量为关键词创建一组列，需要在dplyr中通过summarise过滤多条件。现有代码如下：

words_list <- data %>% 
  select(Keywords, year) %>% 
  unnest_tokens(word, Keywords) %>% 
  filter(between(year,1990,2017)) %>% 
  group_by(word) %>% 
  summarise(papers_count = n()) %>% 
  arrange(desc(papers_count))

这段代码生成了word和papers_count两列，我需要创建更多类似papers_count的列（如papers_count1990、papers_count1991等），对应1990至2017年的每一年。期望代码形式如下：

words_list <- data %>% 
  select(Keywords, year) %>% 
  unnest_tokens(word, Keywords) %>% 
  filter(between(year,1990,2017)) %>% 
  group_by(word) %>% 
  summarise(tot_papers_count = n(), 
            papers_count_1991 = n()year="1991", ...) %>% 
  arrange(desc(papers_count))

恳请各位提供解决方案建议。

这里有两种实用的方法帮你实现需求，不用手动编写每一年的重复代码，效率更高：

方法1：count + pivot_wider（推荐） #

这是tidyverse里最简洁直观的方案，先按关键词和年份统计数量，再把行结构转成列结构，自动生成各年份的计数列：

library(tidyverse)

words_list <- data %>% 
  select(Keywords, year) %>% 
  unnest_tokens(word, Keywords) %>% 
  filter(between(year, 1990, 2017)) %>% 
  # 按关键词+年份统计每年的论文数
  count(word, year, name = "papers_count") %>% 
  # 将年份转换为列名，缺失年份填充0（可选）
  pivot_wider(
    names_from = year,
    values_from = papers_count,
    names_prefix = "papers_count_",
    values_fill = 0  # 若某关键词在某年份无论文，用0填充
  ) %>% 
  # 计算总论文数
  mutate(tot_papers_count = rowSums(across(starts_with("papers_count_")))) %>% 
  # 按总数量降序排列
  arrange(desc(tot_papers_count))

方法2：summarise + across动态生成列 #

如果你更习惯在分组汇总环节直接生成所有年份列，可以用across配合年份向量动态创建：

library(tidyverse)

# 先定义目标年份范围
target_years <- 1990:2017

words_list <- data %>% 
  select(Keywords, year) %>% 
  unnest_tokens(word, Keywords) %>% 
  filter(between(year, 1990, 2017)) %>% 
  group_by(word) %>% 
  summarise(
    tot_papers_count = n(),
    # 为每个年份生成对应的计数列
    across(all_of(target_years), ~sum(year == .x), .names = "papers_count_{.col}")
  ) %>% 
  ungroup() %>% 
  arrange(desc(tot_papers_count))

小提示： #

• 方法1的pivot_wider是tidyverse的标准操作，代码可读性强，后续调整年份范围只需要修改filter条件即可，维护成本低。
• 方法2的across可以直接在summarise里完成所有列的生成，适合喜欢在汇总步骤一次性搞定所有计算的场景。
• 两种方法都能避免手动编写几十行重复的年份判断代码，大大降低出错概率。

内容的提问来源于stack exchange，提问作者Amleto