R 在一个df中按组类型求和多个变量，无需子集

我正在寻找一种按组类型进行总结的更快方法，对于一个df中的许多不同组，无需子集。下面是一个示例数据帧和我用来完成它的当前代码。我觉得这似乎很冗长，我想有一个更快的方法来解决这个问题。在本例中，我的代码汇总了按名称分组的医疗收入，然后将其合并回主数据。我想总结一下健康和愿景变量，按名称分组。关键是，当变量中有1时，我只想要健康和愿景的收入。谢谢你的帮助

#df
name = c("jerry","jerry","jerry","dave","dave","dave","mary","mary","mary") 
health = c(1,0,1,1,0,1,0,1,1) 
vision = c(0,1,0,0,1,0,1,0,0) 
rev =c(100,200,500,1000,800,300,400,600,300)
df = data.frame(name,health,vision,rev) 


#Subset health
health = subset(df, health == 1) 


#Sum by group type
library(dplyr)
health <- health %>% group_by(name) %>% 
  mutate(
    health_rev=sum(rev, na.rm = TRUE))


#Select variables
health <- health[c("name","health_rev")]


#Remove duplicates
health <- health[!duplicated(health$name), ]


#Merge back to master
master <- merge(x = df, y = health, by = "name", all.x = TRUE)

#df
name=c（“杰瑞”、“杰瑞”、“杰瑞”、“戴夫”、“戴夫”、“玛丽”、“玛丽”、“玛丽”）
健康=c（1,0,1,1,0,1,0,1,1）
视觉=c（0,1,0,0,1,0,1,0,0）
rev=c（1002005001000800300400600300）
df=数据帧（名称、健康状况、视力、版本）
#亚健康
运行状况=子集（df，运行状况==1）
#按组类型求和
图书馆（dplyr）
运行状况%group_by（名称）%%>%
变异(
健康状况（修订=总和（修订，na.rm=真实））
#选择变量
健康像这样的事情

df %>% 
  group_by(name) %>% 
  mutate(health_rev = sum(rev[as.logical(health)]), 
          vision_rev = sum(rev[as.logical(vision)])) %>% 
  ungroup()

结果:

# A tibble: 9 × 6
   name health_rev vision_rev health vision   rev
  <chr>      <dbl>      <dbl>  <dbl>  <dbl> <dbl>
1  dave       1300        800      1      0  1000
2  dave       1300        800      0      1   800
3  dave       1300        800      1      0   300
4 jerry        600        200      1      0   100
5 jerry        600        200      0      1   200
6 jerry        600        200      1      0   500
7  mary        900        400      0      1   400
8  mary        900        400      1      0   600
9  mary        900        400      1      0   300

#一个tible:9×6
名称health_rev vision_rev health vision rev
1戴夫1300 800 1 0 1000
2戴夫1300 800 01 800
3戴夫1300 800 1 0 300
4杰里600 200 100
5杰里600 200 01 200
6杰里600 200 1 0 500
7玛丽900 400 01 400
8玛丽900 400 100 600
9玛丽900 400 100 300
有时将数据重塑为long会使您的数据更易于使用：
库（tidyverse）；df%%>%聚集（变量、变量、健康、视野）%%>%过滤（如逻辑（变量））%%>%group_by（名称、变量）%%>%汇总（rev=sum（rev））%%>%spread（变量、变量）
比我的方法优雅得多。谢谢你，克丽丝。