如何用dplyr自动化生成分组统计表格？解决函数调用报错

我有一份数据集，想要按sex列拆分分析。已经写出针对单个变量（比如awarskin）生成男女响应计数百分比表格的代码：

df %>% 
  group_by(x, sex) %>% 
  mutate(n=n()) %>% # 创建计数列
  group_by(x) %>% 
  distinct(x,sex,n) %>% 
  mutate(Per=n/sum(n), np=paste0(n," (",round(Per*100,2)," %)")) %>% # 创建百分比列并格式化
  select(-n,-Per) %>% # 仅保留所需列
  spread(sex,np) # 将性别列展开为多列

但需要对50多个变量执行此操作，所以想写一个函数，传入列名就能自动生成表格。

尝试定义了如下函数：

sex_percent_table <- function(column){
ctdf %>% 
  group_by(column, sex) %>% 
  mutate(n=n()) %>% # 创建计数列
  group_by(column) %>% 
  distinct(column,sex,n) %>% 
  mutate(Per=n/sum(n), np=paste0(n," (",round(Per*100,2)," %)")) %>% # 创建百分比列并格式化
  select(-n,-Per) %>% # 仅保留所需列
  spread(sex,np) # 将性别列展开为多列
}

函数定义没有报错，但调用sex_percent_table(markex)时抛出错误："column 'x' is not found"，回溯信息如下：

Error in group_by(., x, sex) : 
✖ Column `x` is not found.
14.
stop(fallback)
13.
signal_abort(cnd, .file)
12.
abort(bullets, call = error_call)
11.
group_by_prepare(.data, ..., .add = .add, caller_env = caller_env())
10.
group_by.data.frame(., x, sex)
9.
group_by(., x, sex)
8.
mutate(., n = n())
7.
group_by(., x)
6.
distinct(., x, sex, n)
5.
mutate(., Per = n/sum(n), np = paste0(n, " (", round(Per * 100,
2), " %)"))
4.
select(., -n, -Per)
3.
spread(., sex, np)
2.
ctdf %>% group_by(x, sex) %>% mutate(n = n()) %>% group_by(x) %>%
distinct(x, sex, n) %>% mutate(Per = n/sum(n), np = paste0(n,
" (", round(Per * 100, 2), " %)")) %>% select(-n, -Per) %>%
spread(sex, np)
1.
sex_percent_table(markex)

我刚接触R和编程，想知道错误原因，以及正确的自动化实现方法。

以下是用mtcars数据集、二元变量vs复现的示例函数：

percent_table <- function(column){
mtcars %>% 
  group_by(column, vs) %>% 
  mutate(n=n()) %>% # 创建计数列
  group_by(column) %>% 
  distinct(column,vs,n) %>% 
  mutate(Per=n/sum(n), np=paste0(n," (",round(Per*100,2)," %)")) %>% # 创建百分比列并格式化
  select(-n,-Per) %>% # 仅保留所需列
  spread(vs,np) # 将值展开为多列
}

错误原因与解决方法 #

错误原因 #

问题出在**非标准求值（NSE）**上：dplyr的函数（比如group_by）会把你传入的参数column当作字面量列名column，而不是你实际传入的列名（比如markex）。回溯里提到的x是因为你最初的单变量代码用了x，但函数里替换成column后，dplyr没有正确解析这个参数。

正确实现方法 #

需要用dplyr的准引用工具，用{{ }}包裹参数，让dplyr正确识别传入的列名。同时建议把数据集也作为参数传入函数，避免依赖全局变量，让函数更通用。

改进后的函数（针对你的数据集）

sex_percent_table <- function(data, column){
  data %>% 
    group_by({{ column }}, sex) %>% 
    summarise(n = n(), .groups = "drop_last") %>% # 用summarise替代mutate+distinct更高效
    mutate(Per = n/sum(n), 
           np = paste0(n, " (", round(Per*100, 2), " %)")) %>% 
    select(-n, -Per) %>% 
    spread(sex, np)
}

使用方式

# 调用时传入数据集和列名
sex_percent_table(ctdf, markex)

针对mtcars复现的改进函数

percent_table <- function(data, column){
  data %>% 
    group_by({{ column }}, vs) %>% 
    summarise(n = n(), .groups = "drop_last") %>% 
    mutate(Per = n/sum(n), 
           np = paste0(n, " (", round(Per*100, 2), " %)")) %>% 
    select(-n, -Per) %>% 
    spread(vs, np)
}

# 使用示例
percent_table(mtcars, cyl)

额外优化建议 #

• 用summarise替代mutate+distinct：直接分组统计计数更高效，不需要先给每一行加计数再去重。
• 添加.groups参数：控制分组后的处理，避免不必要的警告。
• 传入数据集参数：函数不依赖全局变量，复用性更强。
• 批量处理多变量：如果要一次性处理50多个变量，可以用purrr包的map函数批量生成表格：

library(purrr)
# 替换成你要处理的变量列表
cols_to_process <- c("awarskin", "markex", "var3")
# 批量生成表格，结果存为列表
result_list <- map(cols_to_process, ~sex_percent_table(ctdf, !!sym(.x)))

内容的提问来源于stack exchange，提问作者Veritas