如何使用dpplyr在多变量汇总结果中添加年度占比列

要得到29行的汇总结果并添加年度占比列prop，你需要分两步处理：先完成按article和date的汇总，再基于date分组计算年度总权重并推导占比。这里有两种简洁的实现方式：

方式一：链式一步完成 #

sample_data %>% 
  # 第一步：按article和date分组，计算每组的总weight
  group_by(article, date) %>% 
  summarise(weight = sum(value), .groups = "drop_last") %>% 
  # 第二步：按date分组，计算年度总权重，再推导占比
  mutate(
    total_year = sum(weight),
    prop = weight / total_year
  ) %>% 
  # 可选：移除中间计算的total_year列
  select(-total_year)

方式二：分步清晰实现 #

如果觉得链式调用太紧凑，也可以拆成两步，逻辑更直观：

# 第一步：先得到article-date级别的汇总表
summary_table <- sample_data %>% 
  group_by(article, date) %>% 
  summarise(weight = sum(value), .groups = "drop")

# 第二步：基于年度计算占比
summary_table %>% 
  group_by(date) %>% 
  mutate(prop = weight / sum(weight))

为什么你的原有代码出错？ #

你之前的代码在summarise里直接使用了原始列value，这会触发dplyr的分组内保留所有原始行的行为——因为value不是聚合函数（比如sum()），dplyr会把每个分组里的所有value值都保留下来，最终行数回到原始数据的50行，而不是你期望的29行汇总结果。

结果验证 #

运行上述代码后，每个date对应的所有prop之和会等于1，比如验证2015年的占比总和：

# 验证2015年的prop和为1
result %>% 
  filter(date == "2015") %>% 
  pull(prop) %>% 
  sum()
# 输出应为1（可能因浮点精度略有误差，比如0.999999999999999）

内容的提问来源于stack exchange，提问作者nuke