按recid分组计算频率：为DataFrame添加count与freq列的需求

需求说明 #

需要对DataFrame按recid字段分组，新增4列：

• count1：当前行col1值在分组内col1和col2中的总出现次数
• count2：当前行col2值在分组内col1和col2中的总出现次数
• Freqcol1：count1除以分组内col1和col2的总元素数
• Freqcol2：count2除以分组内col1和col2的总元素数

示例：第1行count1为2，因为值10在abc_12分组的两列中共出现2次，Freqcol1为2/4=0.5。

原始DataFrame #

df <- data.frame(
  ID = c(1, 2, 3),
  col1 = c(10, 10, 10),
  col2 = c(12, 15, 10),
  recid = c("abc_12", "abc_12", "def_34")
)

期望输出 #

ID col1 col2 recid count1 count2 Freqcol1 Freqcol2
 1   10   12 abc_12     2     1     0.5     0.25
 2   10   15 abc_12     2     1     0.5     0.25
 3   10   10 def_34     2     2     0.5     0.5

注：原示例中第1、2行的Freqcol2应为1/4=0.25，此处修正数据准确性。

现有代码问题 #

你提供的代码未按recid分组，且长表转换后的统计逻辑错误，无法得到目标结果：

df %>%
  pivot_longer(-ID) %>%
  mutate(count = n(), .by = value) %>%
  mutate(freq = count / n()) %>%
  pivot_wider(values_from = c(value, count, freq))

修正后的解决方案 #

核心思路是先按recid分组统计所有值的出现次数，再将统计结果映射回原表计算频率：

library(dplyr)
library(tidyr)

df %>%
  # 按recid分组，合并col1和col2为全值列表并展开
  group_by(recid) %>%
  mutate(temp = list(c(col1, col2))) %>%
  unnest(temp) %>%
  # 统计每个值在分组内的总出现次数
  count(temp, name = "total_count") %>%
  # 关联回原数据
  right_join(df, by = "recid") %>%
  # 匹配col1、col2对应的计数，计算频率
  mutate(
    count1 = total_count[match(col1, temp)],
    count2 = total_count[match(col2, temp)],
    total_elements = n_distinct(ID) * 2, # 分组内总元素数=行数×2
    Freqcol1 = count1 / total_elements,
    Freqcol2 = count2 / total_elements
  ) %>%
  # 整理目标列并去重
  select(ID, col1, col2, recid, count1, count2, Freqcol1, Freqcol2) %>%
  distinct() %>%
  ungroup()

代码解释 #

1. 分组生成全值列表：按recid分组后，把每组的col1和col2合并成一个列表，再展开为长表，方便统计所有值的出现次数。
2. 统计值出现次数：对展开后的temp列计数，得到每个值在当前分组内的总出现次数。
3. 关联原数据：通过recid字段把统计结果和原表关联起来，保留原表的所有行。
4. 计算count和频率：用match函数匹配col1、col2对应的计数，再用分组内总元素数（行数×2）计算频率。
5. 整理结果：筛选需要的列并去重，最后取消分组得到最终结果。

内容的提问来源于stack exchange，提问作者akang