如何用R语言（含dplyr）计算数据框的条件最大值？

我来帮你找出代码里的问题，再提供几种可行的解决方案～

你的代码为什么不对？ #

你用count(ID,Phase,Session)之后，数据会按ID、Phase、Session这三个字段分组统计频数，每个分组里的Session值都是唯一的。这时候再用mutate(MaxSession = max(Session))，其实只是把当前分组的Session值复制了一遍，根本没有计算每个ID+Phase组合下的Session最大值，自然得不到预期结果。

正确的dplyr解决方案 #

核心思路是按ID和Phase分组，然后对每个组的Session取最大值，用group_by() + summarize()就能实现：

library(dplyr)

# 假设你的原始数据框叫DataFrame
MaxSessions <- DataFrame %>%
  group_by(ID, Phase) %>%
  summarize(MaxSession = max(Session, na.rm = TRUE),  # 取最大值，na.rm处理可能的缺失值
            .groups = "drop")  # 取消分组，得到整洁的结果数据框

运行这段代码后，就能得到你想要的结构：

ID    Phase   MaxSession
  <chr> <chr>        <int>
1 A1    Train1           2
2 A1    Train2           3
3 B1    Train1           1
4 B1    Train2           3

不用dplyr的基础R方案 #

如果不想用dplyr，可以用基础R的aggregate()函数，逻辑一样：

# 按ID和Phase分组，对Session取最大值
MaxSessions <- aggregate(Session ~ ID + Phase, data = DataFrame, FUN = max)
# 把默认的列名"Session"改成"MaxSession"
colnames(MaxSessions)[3] <- "MaxSession"

另外也可以用data.table（适合大数据集，效率更高）：

library(data.table)
setDT(DataFrame)
MaxSessions <- DataFrame[, .(MaxSession = max(Session)), by = .(ID, Phase)]

内容的提问来源于stack exchange，提问作者Tom H