在 dplyr 中使用 n_distinct() 忽略一些事情

Question

假设我有这个数据集：

test <- data.frame(thing = c(rep(1, 4), 
                         rep(2, 4), 
                         rep(3, 4), 
                         rep(4, 3), 
                         rep(5, 1)), 
                   thing2 = c(c("a", "b", "c", "c"), 
                              c("a", "b", "c", "d"),
                              c("a", "b", "b", "b"),
                              c("a", "b", "c"), 
                              c("d")))

我想知道有多少个人thing2 与每个thing 相关联，所以，

test %>%
  group_by(thing) %>%
  summarize(nDistinct = n_distinct(thing2))

给我

  thing nDistinct
1     1         3
2     2         4
3     3         2
4     4         3
5     5         1

这很好。但是，我真正感兴趣的是每个因素级别中不是 d 的不同事物的数量。

我可以重写上面的语句并包含一个filter() 以便

test %>%
  group_by(thing) %>%
  filter(thing2 != "d") %>%
  summarize(nDistinct = n_distinct(thing2))

给我

  thing nDistinct
1     1         3
2     2         3
3     3         2
4     4         3

但我忘记了当thing == 5 时，它会从结果数据框中删除。

我希望看到的是 dplyr（或其他）声明，它给了我

  thing nDistinct
1     1         3
2     2         3
3     3         2
4     4         3
5     5         0

这可能吗？

我偷偷怀疑我在这里忽略了一些非常简单的事情。

Answer 1

我会去：

test %>%
  group_by(thing) %>%
  summarize(nDistinct = n_distinct(thing2) - any(thing2=="d"))

Source: local data frame [5 x 2]

thing nDistinct
(dbl)     (int)
1     1         3
2     2         3
3     3         2
4     4         3
5     5         0

这样即使您有一个或多个d，any 也会返回 1 并将其从 distinct 中删除。