使用R tidyverse从格式不佳的CSV计算会议出勤率

要将你的会议出勤数据转换为整洁（tidy）格式，并计算个人参会百分比，你需要把宽格式的参会者列表拆分为长格式（每行对应一个日期+一个参会者），再做后续统计。以下是具体步骤：

1. 加载必要的包 #

我们会用到dplyr包的函数来处理数据：

library(dplyr)

2. 将宽格式转换为长格式（tidy格式） #

你之前用separate_wider_delim()得到多列结果，是因为它负责把单列拆分为多列；而我们需要把单列的多个值拆分为多行，这时候应该用separate_rows()函数：

# 拆分参会者字符串为单独的行，保留对应会议日期
tidy_meetings <- meeting_tbl %>%
  separate_rows(attendees, sep = " / ")

执行后，tidy_meetings会变成每行对应一个会议日期和一个参会者姓名，同一会议内的重复姓名会保留为多行（比如14/12/2023的Jim Green会有两行）。

3. 处理同一会议内的重复姓名 #

由于同一会议中重复的姓名应该只算作一次参会（大概率是输入错误），我们可以用distinct()去除重复记录：

# 去除同一会议下的重复参会记录
tidy_meetings_unique <- tidy_meetings %>%
  distinct(dates, attendees, .keep_all = TRUE)

4. 计算个人参会百分比 #

首先统计总会议数，再计算每个人参加的会议数，最后得出百分比：

# 统计总会议次数
total_meetings <- n_distinct(meeting_tbl$dates)

# 计算每个人的参会次数和百分比
attendance_summary <- tidy_meetings_unique %>%
  group_by(attendees) %>%
  summarize(
    参会次数 = n(),
    参会百分比 = round((参会次数 / total_meetings) * 100, 2)
  ) %>%
  arrange(desc(参会百分比))

执行后，attendance_summary会展示每个人的参会次数和对应的百分比，按百分比从高到低排序。

额外提示 #

• 如果你的数据是从外部CSV文件读取的，先用readr::read_csv("你的文件路径.csv")读取数据，再执行上述步骤即可。
• 如果同一会议内的重复姓名是合法记录（比如同一人多次签到），可以跳过第3步的去重操作，但此时计算参会百分比时，要明确是按签到次数还是会议次数——通常年度报告的参会百分比是按会议次数统计，所以去重更合理。

内容的提问来源于stack exchange，提问作者Sh1v