基于多列（子）分组统计单列唯一字符元素数量（附R示例数据集）

嘿，我来帮你搞定按多个分组列统计目标列唯一元素数量的需求！针对你给出的示例数据集，我准备了两种R里最常用的实现方案，分别是tidyverse系列的dplyr（语法清晰易读）和适合大数据的data.table（运算效率拉满）。

首先先补全你给出的示例数据集，添加一个Target列作为统计的目标列，方便演示：

# 补全后的示例数据集
test_data <- structure(
  list(
    ID = structure(c(4L, 4L, 4L, 4L, 4L, 4L, 3L, 3L, 3L, 3L, 3L, 3L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 3L, 3L, 3L, 3L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L), 
                   .Label = c("P39190", "U93491", "X28348", "Z93930"), class = "factor"),
    Sex = structure(c(2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L), 
                    .Label = c("F", "M"), class = "factor"),
    Target = c("A", "B", "A", "C", "B", "A", "X", "Y", "X", "Z", "Y", "X", "A", "D", "B", "A", "D", "C", "B", "X", "Y", "Z", "Y", "P", "Q", "P", "R", "Q", "S", "P", "R", "S", "Q", "R", "T", "T")
  ),
  class = "data.frame"
)

方法1：使用dplyr包（tidyverse风格） #

这是日常场景中最常用的语法，代码可读性极强，适合快速实现需求：

1. 先安装并加载dplyr包：

# 若未安装则执行安装
install.packages("dplyr")
# 加载包
library(dplyr)

2. 分组统计唯一值数量：

result_dplyr <- test_data %>%
  group_by(ID, Sex) %>%  # 指定*多个分组列*，这里是ID和Sex，可按需增减列数
  summarise(
    unique_target_count = n_distinct(Target),  # 统计目标列的唯一元素数量
    .groups = "drop"  # 取消分组状态，返回普通数据框格式
  )

# 查看结果
print(result_dplyr)

方法2：使用data.table包（高效处理大数据） #

如果你的数据集规模较大，data.table的运算速度会比dplyr快很多，适合批量处理海量数据：

1. 安装并加载data.table包：

# 若未安装则执行安装
install.packages("data.table")
# 加载包
library(data.table)

2. 转换为data.table格式并分组统计：

# 将普通数据框转换为data.table格式
dt <- as.data.table(test_data)

# 分组计算唯一值数量
result_dt <- dt[, .(unique_target_count = uniqueN(Target)), by = .(ID, Sex)]

# 查看结果
print(result_dt)

通用调整说明 #

• 把代码里的Target替换成你实际需要统计的目标列名即可；
• 分组列可以根据需求灵活调整，比如只按ID分组，或者添加更多列，只需在group_by()（dplyr）或by = .()（data.table）里列出对应的列名。

内容的提问来源于stack exchange，提问作者nahijafog