如何修改dplyr的summarise_all(n_distinct)统计排除"bla"的不同类别数

嘿，我来帮你搞定这个问题！首先明确你的需求：要对数据框的每一列，统计**不等于"bla"**的不同类别数量——原代码d1 %>% summarise_all(n_distinct)会把"bla"也算进去，所以得调整一下逻辑。

先回顾下你的示例数据：

> d1 # A tibble: 5 x 2
  x      y    
  <chr>  <chr>
1 yellow A    
2 green  A    
3 green  bla  
4 blue   B    
5 bla    bla  

两种可行的修改方案 #

方案1：用summarise_all结合匿名函数（兼容旧版dplyr）

直接在summarise_all里对每列先筛选掉"bla"，再统计唯一值数量：

d1 %>% 
  summarise_all(~n_distinct(.[. != "bla"]))

这里的~是定义匿名函数的简写，.代表当前处理的列，.[. != "bla"]就是取出当前列中所有不等于"bla"的值，接着用n_distinct统计这些值的唯一数量。运行后就能得到x列3、y列2的结果。

方案2：用across（dplyr 1.0.0+推荐写法）

如果你用的是dplyr 1.0.0及以上版本，官方更推荐用across替代summarise_all（后者已经被软弃用），代码可读性更强：

d1 %>% 
  summarise(across(everything(), ~n_distinct(.[. != "bla"])))

across(everything())表示对数据框的所有列应用后面的函数，逻辑和方案1完全一致，结果也相同。

最终输出结果 #

运行上述任意一段代码，都会得到符合预期的结果：

# A tibble: 1 x 2
      x     y
  <int> <int>
1     3     2

内容的提问来源于stack exchange，提问作者Omry Atia