用dplyr按Video.ID汇总数据时，如何正确获取重复的Category值

你说得太对了——mean(Category)完全是错误的操作，不仅因为Category是字符型（mean根本不适用），更关键是每个Video.ID对应的Category本来就是重复的单一值，我们只需要提取这个固定值就行。这里有几个简单又高效的方法：

方法1：使用first()或last()提取组内首个/末尾值 #

因为每个分组里的Category值完全一致，直接取组内第一个或者最后一个元素就可以得到正确的分类：

small %>% 
  group_by(Video.ID) %>% 
  summarise(
    sumr = sum(Partner.Revenue), 
    len = first(Video.Duration..sec.), # 这里也可以用first代替mean，更高效
    cat = first(Category)
  )

同理，last(Category)也能得到一样的结果，选哪个全凭个人习惯。

方法2：用unique()提取唯一值 #

既然每个分组里的Category只有唯一的一个值（只是重复出现），unique()会直接返回这个唯一的字符串：

small %>% 
  group_by(Video.ID) %>% 
  summarise(
    sumr = sum(Partner.Revenue), 
    len = mean(Video.Duration..sec.), 
    cat = unique(Category)
  )

方法3：先提取元数据再合并（适合多固定属性场景） #

如果你的数据里，Video.ID不仅对应固定的Category，还对应固定的Video.Duration..sec.，可以先把这些固定的元数据提取出来，再和统计结果合并，这样代码更清晰，也避免重复写提取逻辑：

# 提取每个Video.ID对应的固定属性
video_metadata <- small %>% 
  distinct(Video.ID, Category, Video.Duration..sec.)

# 计算需要汇总的统计量
video_summary <- small %>% 
  group_by(Video.ID) %>% 
  summarise(
    sumr = sum(Partner.Revenue),
    total_owned_views = sum(Owned.Views) # 可以按需添加更多统计项
  )

# 合并元数据和统计结果
left_join(video_summary, video_metadata, by = "Video.ID")

额外提一句：你的Video.Duration..sec.在每个分组里也是固定值，用first()代替mean()会更高效，毕竟没必要对完全相同的数值计算均值~

内容的提问来源于stack exchange，提问作者hmmmbob