在R语言中如何计算某列含指定值的案例占比？

这里有几种更简洁的方法来计算目标占比：

方法一：使用dplyr（简洁版） #

利用group_by()分组后，直接用any()判断每组是否存在"A"，最后用mean()计算占比：

library(dplyr)

mock %>%
  group_by(case_id) %>%
  summarise(has_A = any(characteristic == "A", na.rm = TRUE)) %>%
  summarise(prop_A = mean(has_A))

逻辑说明 #

• group_by(case_id)：按案例ID分组
• any(characteristic == "A", na.rm = TRUE)：判断每组中是否存在值为"A"的记录，na.rm = TRUE忽略NA的干扰（比如示例中的case5包含NA和"A"，仍会被判定为符合条件）
• mean(has_A)：逻辑值TRUE会被当作1，FALSE当作0，直接取均值就是符合条件的案例占比

方法二：dplyr更精简写法 #

甚至可以合并步骤，进一步简化：

mock %>%
  group_by(case_id) %>%
  summarise(has_A = any(characteristic == "A", na.rm = TRUE)) %>%
  pull(has_A) %>%
  mean()

方法三：Base R实现 #

不需要加载dplyr，用tapply也能快速完成：

# 按case_id分组判断每组是否有"A"
has_A_groups <- tapply(mock$characteristic, mock$case_id, function(x) any(x == "A", na.rm = TRUE))
# 计算占比
mean(has_A_groups)

以上三种方法都能得到示例中的3/5（即0.6）的结果，比多函数组合的写法更简洁直观。

内容的提问来源于stack exchange，提问作者daltoncito5034