为什么我的dplyr语句会创建额外的行？

我希望“temp”输出40行，由1-20岁的男性和1-20岁的女性组成。相反，它创建40行，然后复制它们并附加它们，结果“temp”是80行

它为什么这样做？我如何阻止它？我知道我自己可以删除第41-80行，但在处理大型数据集时，这是一件痛苦的事情

library(dplyr)
library(tidyr)

gender <- sample(c("male","female"), 100, replace = T)
age <- sample(1:20, , replace = T)

df <- data.frame(gender, age)

temp <- df %>% group_by(gender, age) %>%
  summarise(count = n()) %>%
  complete(gender = c("male", "female"), age = 1:20, fill = list(count = 0))

库（dplyr）
图书馆（tidyr）
性别来自dplyr（强调添加）：

当您按多个变量分组时，每个摘要将剥离一个
分组的级别

以下是您的代码通过管道传输到
complete
的数据帧：

> df %>% group_by(gender, age) %>% summarise(count = n()) 
# A tibble: 24 x 3
# Groups:   gender [?]
   gender   age count
   <fct>  <int> <int>
 1 female     2     4
 2 female     3     2
 3 female     7     6
 4 female     9     5
 5 female    10     4
 6 female    11     2
 7 female    12     3
 8 female    13     4
 9 female    15     1
10 female    18     1
# ... with 14 more rows

这是否为您提供了所需的输出
df%%>%groupby（gender，age）%%>%summary（count=n（））%%>%groupby（gender）%%>%complete（age=1:20，fill=list（count=0））
。按性别分组也很有效。我认为如果不在complete（）中指定性别，那么如果说女性或男性都没有年龄2，那么只会为女性创建年龄2，计数为0，但不会为男性创建年龄2，因为我告诉它年龄2必须在那里（但只必须是一次）。我想我现在明白了，在组别中有性别意味着每个年龄段都必须有男性和女性。。。在本例中为1:20，因为我在complete（）中指定了它。我仍然不知道为什么在complete（）中使用gender会产生额外的行。
# explicitly remove all grouping
t1 <- df %>% 
  group_by(gender, age) %>%
  summarise(count = n()) %>%
  ungroup() %>%
  complete(gender = c("male", "female"), 
           age = 1:20, 
           fill = list(count = 0))

# retain gender grouping, & only complete for different ages within each gender group
t2 <- df %>% 
  group_by(gender, age) %>%
  summarise(count = n()) %>%
  complete(age = 1:20, 
           fill = list(count = 0))

# use count, which is a wrapper for group_by(), summarise(n = n()), & ungroup() in one line
# note: the output variable name from this approach is hard-coded to n, & there is currently
# no way to change it in this step
t3 <- df %>%
  count(gender, age) %>%
  rename(count = n) %>%
  complete(gender = c("male", "female"), 
           age = 1:20, 
           fill = list(count = 0))

> all.equal(t1, t2)
[1] TRUE
> all.equal(t1, t3)
[1] TRUE