如何计算数据框（df）所有列中'>1'水平的占比

报错原因 #

你用prop.table(table(df))报错是因为table(df)会生成所有列的交叉列联表，24列每列3个水平，总元素数为3^{24，这个数值远超过2}31（约21亿）的内存上限，所以触发了创建超大表格的错误。

正确计算每列'>1'占比的方法 #

我们不需要生成交叉表，直接针对每列单独计算'>1'水平的占比即可，以下是两种高效实现方式：

方法1：基础R的sapply函数

# 遍历每列计算'>1'的占比，na.rm=TRUE处理可能的缺失值
greater_1_ratio <- sapply(df, function(col) {
  mean(col == ">1", na.rm = TRUE)
})

# 转换为易读的数据框格式
result_table <- data.frame(
  列名称 = names(greater_1_ratio),
  ">1水平占比" = round(greater_1_ratio, 4) # 保留4位小数，可按需调整
)

方法2：tidyverse工具链（dplyr+tidyr）

如果习惯用tidyverse语法，可这样实现：

library(dplyr)
library(tidyr)

result_table <- df %>%
  # 对所有列计算'>1'的占比
  summarise(across(everything(), ~ mean(.x == ">1", na.rm = TRUE))) %>%
  # 转换为长格式表格
  pivot_longer(everything(), names_to = "列名称", values_to = ">1水平占比") %>%
  # 格式化占比数值
  mutate(`>1水平占比` = round(`>1水平占比`, 4))

原理说明 #

mean(col == ">1")等价于sum(col == ">1") / length(col)，直接统计每列中'>1'的行数占总行数的比例，无需生成庞大的交叉表，内存占用极低，计算效率很高。

内容的提问来源于stack exchange，提问作者Sarah