如何用dplyr计算各watername下含≤200长度观测的站点占比？

完全可以用dplyr实现这个需求，核心思路是先对每个站点判断是否存在符合条件的观测，再按水体分组计算占比，具体代码如下：

方法一：保留中间统计列 #

library(dplyr)

# 假设你的数据框名为df
result <- df %>%
  # 按水体名称和站点ID分组，标记该站点是否存在length≤200的观测
  group_by(watername, siteid) %>%
  mutate(has_short = any(length <= 200, na.rm = TRUE)) %>%
  # 去重，每个站点仅保留一条记录
  distinct(watername, siteid, has_short) %>%
  # 按水体名称重新分组，计算占比
  group_by(watername) %>%
  summarise(
    总站点数 = n(),
    符合条件站点数 = sum(has_short),
    符合条件占比 = (符合条件站点数 / 总站点数) * 100
  )

方法二：直接输出百分比 #

如果不需要中间的总站点数和符合条件站点数，可以简化为：

result <- df %>%
  group_by(watername, siteid) %>%
  # 标记站点是否符合条件，同时移除siteid分组
  summarise(has_short = any(length <= 200, na.rm = TRUE), .groups = "drop_last") %>%
  # 计算符合条件站点的占比
  summarise(符合条件占比 = (sum(has_short) / n()) * 100)

关键逻辑说明 #

• any(length <= 200, na.rm = TRUE)：判断当前站点的所有观测中，是否至少有一条满足length≤200，na.rm=TRUE用于忽略length字段的缺失值
• .groups = "drop_last"：在第一次分组汇总后，移除最内层的siteid分组，只保留watername分组，方便后续计算整体占比

内容的提问来源于stack exchange，提问作者Ryan Gary