寻找可计算数据集单属性相对其余属性相对频率的R函数

没有专门的现成函数，但用基础R或tidyverse工具就能快速实现你的需求，以下是针对你的Car-Crash列（取值为Yes/No）的具体操作：

针对离散型属性（分类取值的列） #

如果其他列是分类变量，用tidyverse工具可以快速统计Car-Crash=Yes时各属性的相对频率：

library(tidyverse)

# 筛选Car-Crash为Yes的行，统计其他离散列的取值频率与相对频率
df %>%
  filter(`Car-Crash` == "Yes") %>%
  select(-`Car-Crash`) %>%  # 排除目标列
  pivot_longer(everything(), names_to = "属性", values_to = "取值") %>%
  count(属性, 取值, name = "频率") %>%
  group_by(属性) %>%
  mutate(相对频率 = 频率 / sum(频率)) %>%
  arrange(属性, desc(相对频率))

运行后会得到每个属性下各取值的频率和相对占比，按相对频率降序排列，能直接看到每个属性中与Car-Crash=Yes匹配频率最高的取值。

针对数值型属性 #

如果其他列是数值变量，可以统计Car-Crash=Yes时数值列的众数（出现频率最高的取值）及其他统计量：

df %>%
  filter(`Car-Crash` == "Yes") %>%
  select(-`Car-Crash`) %>%
  summarise(across(everything(), list(
    均值 = mean,
    中位数 = median,
    众数 = ~names(table(.))[which.max(table(.))]
  ), na.rm = TRUE))

其中众数字段就是该数值列中与Car-Crash=Yes匹配频率最高的取值。

额外：判断属性与目标列的关联性 #

如果想进一步确认哪个属性和Car-Crash=Yes的关联性最强，可以用卡方检验（针对离散列）：

# 遍历所有非目标列，做卡方检验
lapply(names(df)[names(df) != "Car-Crash"], function(col) {
  chisq_result <- chisq.test(df[[col]], df[["Car-Crash"]])
  data.frame(
    属性 = col,
    p值 = chisq_result$p.value,
    关联性强度 = ifelse(chisq_result$p.value < 0.05, "强", "弱")
  )
}) %>% bind_rows()

p值越小，说明该属性与Car-Crash的关联性越强，结合前面的频率统计就能精准定位匹配频率最高的属性。

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