在R中按性别、品种组和年龄聚合数据集统计个体数量

思路说明 #

你需要先把宽格式的年龄列转换为长格式——因为你的年龄数据分散在13列里，直接用aggregate没法跨列统计。转成窄表后过滤掉空值（死亡个体的记录），再按品种组、年龄、性别分组计数即可。

方法一：使用tidyverse工具包（推荐） #

如果还没安装tidyverse，先执行安装命令：

install.packages("tidyverse")

然后处理数据：

library(tidyverse)

# 假设你的数据集名为df，13个年龄列是第3到15列（或直接列名，比如Age_2010:Age_2022）
long_data <- df %>%
  # 将所有年龄列转成长表，保留Sex和Group，新增Year（可忽略）和Age列
  pivot_longer(cols = -c(Sex, Group), names_to = "Year", values_to = "Age") %>%
  # 过滤掉年龄为空的行（即个体已死亡的记录）
  drop_na(Age) %>%
  # 确保Age是数值型（如果原始数据是字符格式的话）
  mutate(Age = as.numeric(Age))

# 分组统计数量
final_result <- long_data %>%
  group_by(Group, Age, Sex) %>%
  summarize(Count = n(), .groups = "drop")

方法二：使用Base R（无需额外包） #

如果不想安装工具包，用原生R代码处理：

# 将宽表转成长表
long_data <- reshape(df,
                     varying = names(df)[-c(1,2)],  # 指定所有年龄列（排除Sex和Group）
                     v.names = "Age",
                     timevar = "Year",
                     times = names(df)[-c(1,2)],
                     direction = "long")

# 过滤空值并转换Age为数值型
long_data <- long_data[!is.na(long_data$Age), ]
long_data$Age <- as.numeric(long_data$Age)

# 用aggregate统计计数
final_result <- aggregate(data = long_data,
                          Count ~ Group + Age + Sex,
                          FUN = length)

结果说明 #

最终的final_result表包含四列：Group（品种组）、Age（年龄）、Sex（性别）、Count（对应分组的个体数量），完全匹配你的统计需求。

内容的提问来源于stack exchange，提问作者Elena