R语言：按变量组合统计行数并生成结构一致的新数据框

嘿，我完全get到你的需求了——就是要把原数据框里所有变量的唯一组合都提取出来，统计每个组合出现的次数，然后生成一个和原数据框结构匹配的新数据框，每个组合一行，还得带上对应的计数，对吧？下面我给你用两种常用的数据分析工具来实现，你可以按需选用：

在R中实现 #

最简洁的方式是用dplyr包的count()函数，它能直接按指定变量分组并统计行数：

# 先安装并加载dplyr包（如果没装过的话）
install.packages("dplyr")
library(dplyr)

# 假设你的原数据框名为df
new_df <- df %>%
  count(sample, deployment, density, replicate, shell.num, name = "count")

这样生成的new_df会包含所有变量的唯一组合，新增的count列就是对应组合的匹配行数，结构和原数据框完全一致。

如果不想用第三方包，也可以用基础R的table()函数实现：

# 先提取需要分组的列，生成频次表
count_table <- table(df[c("sample", "deployment", "density", "replicate", "shell.num")])
# 把频次表转换为数据框，指定计数列名
new_df <- as.data.frame(count_table, responseName = "count")

在Python中实现 #

用pandas包就能轻松搞定，这里提供两种常用方法：

方法1：使用value_counts() #

import pandas as pd

# 假设原数据框名为df
# 统计指定变量组合的频次
count_series = df.value_counts(subset=["sample", "deployment", "density", "replicate", "shell.num"])
# 转换为数据框，重置索引并指定计数列名
new_df = count_series.reset_index(name="count")

方法2：使用groupby()+size() #

这个方法和R的dplyr思路类似，先分组再统计：

import pandas as pd

new_df = df.groupby(["sample", "deployment", "density", "replicate", "shell.num"]) \
           .size() \
           .reset_index(name="count")

不管用哪种方法，最终的new_df都会完美满足你的需求——比如你提到的sample = A、deployment = A、density = L、replicate = 1、shell.num = 1这个组合，对应的count列会显示为2，且所有变量列的取值都和原数据框一致。

内容的提问来源于stack exchange，提问作者David.L