R 如何计算和列出分组值在同一组中出现的次数？

我有一个数据框架，我对其进行了分组，然后通过多个字段进行了总结：

gn %>% 
  group_by(`_source.time`) %>%
  summarize(
    leads_TRUE = sum(`_source.lead` == TRUE),
    leads_FALSE = sum(`_source.lead` == FALSE),
    leads_T_conv = sum(leads_TRUE) / nrow(gn),
    leads_F_conv = sum(leads_FALSE) / nrow(gn),
    overall_conv = sum(leads_T_conv + leads_F_conv) / 2
  ) %>%
  ungroup()

这给了我：

# A tibble: 64 x 6
   `_source.time` leads_TRUE leads_FALSE leads_T_conv leads_F_conv overall_conv
   <date>              <int>       <int>        <dbl>        <dbl>        <dbl>
 1 2018-05-14              8          89      0.00161      0.0179        0.0587
 2 2018-05-15             31          68      0.00623      0.0137        0.0587
 3 2018-05-16             28          85      0.00563      0.0171        0.0587

---

这样，每个日期将有一个计数，它在分组数据框中出现了多少次。

您可以使用

n\u distinct

：

iris %>% group_by(round(Sepal.Length)) %>% summarize(n=n_distinct(Species))
# A tibble: 5 x 2
#   `round(Sepal.Length)`     n
#                   <dbl> <int>
# 1                     4     1
# 2                     5     3
# 3                     6     3
# 4                     7     2
# 5                     8     1

iris%>%分组依据（圆形（萼片长度））%>%总结（n=n不同的（种））
#一个tibble:5x2
#'圆形（萼片长度）`n
#                    
# 1                     4     1
# 2                     5     3
# 3                     6     3
# 4                     7     2
# 5                     8     1

你能不能只添加一个

%%>%的变异（date\u count=leads\u TRUE+leads\u FALSE）

添加你链的末端？这很有效，但我需要它首先出现，因为

leads\u TRUE

和

leads\u FALSE

都出现在我希望列出现的位置之后，这对我不起作用。我知道我可以手动对列重新排序，但是有没有其他方法可以让它在正确的位置运行呢？这对您有效吗？添加列（.data=，date\u count=。$leads\u TRUE+。$leads\u FALSE，.before=2）？您的意思是要使用

n（）

？这是Summary内置的一个函数。但是获取日期的数量是另一个问题，它不适用于分组数据。

iris %>% group_by(round(Sepal.Length)) %>% summarize(n=n_distinct(Species))
# A tibble: 5 x 2
#   `round(Sepal.Length)`     n
#                   <dbl> <int>
# 1                     4     1
# 2                     5     3
# 3                     6     3
# 4                     7     2
# 5                     8     1