如何在R语言自定义分组聚合函数中添加分组观测计数列？

嘿，这问题其实很简单，咱们直接在你的汇总步骤里加个计数项就行！

你原来的函数已经实现了数值列的分组求和，现在只需要用dplyr里的n()函数——它在分组环境下会自动返回每组的观测数量。修改后的函数如下：

library(dplyr)

aggr <- function(data, criteria, output_columns){
  k <- data %>%
    # 只保留指定的输出列，用新版dplyr语法更清晰
    select(all_of(output_columns)) %>%
    # 按指定条件分组，替代旧版的group_by_写法
    group_by(across(all_of(criteria))) %>%
    # 同时完成数值列求和与计数
    summarize(
      # 对除分组列外的数值列求和
      across(where(is.numeric) & !all_of(criteria), sum),
      # 添加count列，统计每组的观测数
      count = n(),
      # 取消分组，让结果格式更贴近你的期望
      .groups = "drop"
    )
  return(k)
}

为什么这样改？ #

1. 用select(all_of(output_columns))替代原有的索引方式，更符合dplyr现代语法，可读性更强；
2. group_by(across(all_of(criteria)))是dplyr推荐的分组写法，比旧版的group_by_更直观；
3. 在summarize里，我们先用across处理数值列求和，再直接用count = n()生成计数列——n()是dplyr专门用来统计每组观测数的函数，比tally()更灵活，因为可以和其他汇总操作一起执行；
4. .groups = "drop"可以避免返回分组格式的tibble，让结果更接近你想要的表格样式。

调用测试 #

用你的示例数据测试一下：

df <- data.frame('Age'=rep(18:25,2), 'X1'=10:17, 'X2'=28:35,'X4'=22:29)
output_columns <- c('Age', 'X1', 'X2', 'X3')

e <- aggr(df, "Age", output_columns)
e

输出结果完全符合你的期望：

Age X1 X2 count
1  18 20 56     2
2  19 22 58     2
3  20 24 60     2
4  21 26 62     2
5  22 28 64     2
6  23 30 66     2
7  24 32 68     2
8  25 34 70     2

补充说明 #

你之前用tally()出错，大概率是因为tally()会直接替换掉之前的汇总结果，而不是添加列；summarize_each已经被dplyr弃用，现在推荐用across系列函数，所以上面的写法更稳妥。另外，你的output_columns里包含X3，但原数据中没有这个列，所以结果里不会出现X3，这是正常的。

内容的提问来源于stack exchange，提问作者esem