如何简化R语言中基于tidyverse的组内类别占比计算代码？

你这段代码功能完全没问题，但确实可以利用tidyverse的原生语法大幅简化！不用两次分组再做join，咱们可以通过更紧凑的分组聚合逻辑直接搞定组内占比计算，代码会简洁很多。

优化后的代码 #

library(tidyverse)

# 生成示例数据
fruit <- rep(c("apples", "oranges", "bananas"), times=c(3, 2, 5))
group <- rep(c(1, 2), times=c(35, 65))
df <- data.frame(fruit, group, stringsAsFactors=FALSE)

# 简洁的组内占比计算
df2 <- df %>%
  # 按组和水果类别计数
  count(group, fruit) %>%
  # 仅按组重新分组，方便计算组内总和
  group_by(group) %>%
  # 计算占比并转换为百分比
  mutate(percent = n / sum(n) * 100) %>%
  # 选择需要的列并按组排序
  select(fruit, group, percent) %>%
  arrange(group)

代码解释 #

• count(group, fruit)：相当于group_by(group, fruit) %>% summarise(n = n())，一步得到每个组内各类水果的数量，比手动写summarise更简洁。
• group_by(group)：重新按组分组后，sum(n)会自动计算当前组的总数量，省去了单独统计组总数再join的步骤。
• 如果需要控制百分比的小数位数，可以把mutate里的代码改成percent = round(n / sum(n) * 100, 2)，保留两位小数。

另一种等价写法 #

如果你习惯用summarise的方式，也可以这样写，逻辑和上面一致：

df2 <- df %>%
  group_by(group, fruit) %>%
  summarise(count = n(), .groups = "drop_last") %>%
  mutate(percent = count / sum(count) * 100) %>%
  select(fruit, group, percent) %>%
  arrange(group)

这里的.groups = "drop_last"会在summarise后只保留group的分组，不用再手动重新group_by。

内容的提问来源于stack exchange，提问作者Basil