嘿，你这个需求太戳痛点了——谁也不想重复写一堆一模一样的分组汇总代码！用tidyverse里的pivot_longer就能完美实现自动化处理，一次性搞定所有物种列的统计，不用逐个列单独操作。

步骤1：准备输入数据 #

先把你的输入表转换成R的数据框（如果是从文件读入，直接用read.csv或read_excel就行）：

library(tidyverse)

# 模拟你的输入数据表
LimitArea <- tibble(
  PatchCategory = c("A", "B", "C", "D"),
  PatchSize = c(10, 2, 2, 2),
  Achmil = c(0, 1, 1, 1),
  Aciarv = c(1, 0, 0, 0),
  Aegpod = c(1, 0, 0, 0),
  Agrcap = c(0, 0, 0, 0)
)

步骤2：自动化汇总核心代码 #

核心思路是用pivot_longer把宽格式的物种列转成长格式，让所有物种的存在性数据变成统一的行结构，之后只需要一次分组就能完成所有统计：

summary_result <- LimitArea %>%
  # 将所有物种列（Achmil到Agrcap）转成长表：列名→物种名，列值→存在性
  pivot_longer(
    cols = Achmil:Agrcap, 
    names_to = "物种（Species）", 
    values_to = "存在性（Presence）"
  ) %>%
  # 按物种和存在性分组
  group_by(`物种（Species）`, `存在性（Presence）`) %>%
  # 计算所需的汇总指标
  summarize(
    `最大尺寸（MaxSize）` = max(PatchSize),
    `平均尺寸（MeanSize）` = mean(PatchSize),
    `计数（Count）` = n(),
    .groups = "drop"  # 计算完成后取消分组，返回普通数据框
  ) %>%
  # 按物种排序，和你期望的结果顺序一致
  arrange(`物种（Species）`)

最终结果展示 #

运行完代码后，summary_result就是你想要的汇总表，完全匹配你的需求（还自动处理了Aegpod、Agrcap这些你没列全的物种）：

# A tibble: 8 × 5
  `物种（Species）` `存在性（Presence）` `最大尺寸（MaxSize）` `平均尺寸（MeanSize）` `计数（Count）`
  <chr>                          <dbl>                <dbl>                 <dbl>          <int>
1 Achmil                              0                   10                  10              1
2 Achmil                              1                    2                   2              3
3 Aciarv                              0                    2                   2              3
4 Aciarv                              1                   10                  10              1
5 Aegpod                              0                    2                   2              3
6 Aegpod                              1                   10                  10              1
7 Agrcap                              0                   10                   4              4

这个方法的优势 #

• 完全自动化：不管你有多少个物种列，只要在cols参数里指定范围（比如用starts_with("A")匹配所有A开头的物种列，更灵活），就能一次性处理，不用逐个列写group_by。
• 可扩展性强：之后新增物种列，代码完全不用修改，直接重新运行即可。
• 逻辑清晰：先统一数据结构，再分组计算，比重复写代码更易维护和调试。

内容的提问来源于stack exchange，提问作者Kevin