如何使用R dplyr的summary来计算符合条件的行数？

Question

我有一个想要总结的数据集。首先，我想要主客场比赛的总和，这是我可以做到的。但是，我还想知道每个子类别（主场、客场）中有多少个异常值（定义为超过 300 分）。

如果我没有使用summary，我知道dplyr有这个count()功能，但我希望这个解决方案出现在我的summarize()通话中。这是我所拥有的和我尝试过的但未能执行的内容：

#Test data
library(dplyr)

test <- tibble(score = c(100, 150, 200, 301, 150, 345, 102, 131),
                  location = c("home", "away", "home", "away", "home", "away", "home", "away"),
                  more_than_300 = c(FALSE, FALSE, FALSE, TRUE, FALSE, TRUE, FALSE, FALSE))


#attempt 1, count rows that match a criteria
test %>%
  group_by(location) %>%
  summarize(total_score = sum(score),
            n_outliers = nrow(.[more_than_300 == FALSE]))

Answer 1

您可以在逻辑向量上使用sum- 它会自动将它们转换为数值（TRUE等于 1 和FALSE等于 0），因此您只需执行以下操作：

test %>%
  group_by(location) %>%
  summarize(total_score = sum(score),
            n_outliers  = sum(more_than_300))
#> # A tibble: 2 x 3
#>   location total_score n_outliers
#>   <chr>          <dbl>      <int>
#> 1 away             927          2
#> 2 home             552          0

或者，如果这是您仅有的 3 列，则等效内容为：

test %>%
  group_by(location) %>%
  summarize(across(everything(), sum))

事实上，您不需要创建该more_than_300列 - 只需执行以下操作就足够了：

test %>%
  group_by(location) %>%
  summarize(total_score = sum(score),
            n_outliers  = sum(score > 300))