如何批量计算R中各政党提及不同移民群体的帖子占比？

问题背景 #

我正在使用R开展一项研究，分析某国各政党发布移民相关内容的频率。数据中有一列标记帖子是否提及移民（取值为'Yes'或'No'），若标记为'Yes'，则另一列会注明提及的具体移民群体。

已算出各政党发布的移民相关帖子占其所有帖子的百分比，现在希望一次性计算各政党提及'Immigrants'、'Higher-paid workers'、'Migrant workers'、'Domestic workers'这四类移民群体的帖子占比，无需逐个计算。

现有代码：

• 计算各政党移民相关帖子占比：

sg_percent_all <- sg_parties %>%
                  group_by(party_name) %>%
                  summarise(prop = (sum(migration == "Yes")/ n())*100)

• 单个群体占比计算：

sg_parties %>%
  group_by(party_name) %>%
  summarise(prop = (sum(migrant_grp == "Immigrants")/ n())*100)

解决方案 #

方法1：用across一次性生成多列结果

利用dplyr的across函数，批量遍历指定的四类移民群体，一次性计算每个群体的帖子占比，同时可保留总移民相关帖子的占比：

sg_percent_groups <- sg_parties %>%
  group_by(party_name) %>%
  summarise(
    # 总移民相关帖子占比
    prop_total_migration = (sum(migration == "Yes") / n()) * 100,
    # 批量计算四类群体的占比
    across(
      .cols = c("Immigrants", "Higher-paid workers", "Migrant workers", "Domestic workers"),
      .fns = ~ (sum(migrant_grp == .x, na.rm = TRUE) / n()) * 100,
      .names = "prop_{.col}"
    )
  )

• na.rm = TRUE：处理migration为'No'时migrant_grp可能为空（NA）的情况，避免计算出错。
• .names = "prop_{.col}"：自动生成列名，比如prop_Immigrants、prop_Higher-paid workers。

方法2：整理成长格式（适合可视化/后续分析）

如果需要将结果转换为每行对应一个政党+一个移民群体的长格式，方便后续做分组图表或统计，可以结合pivot_longer：

sg_percent_long <- sg_parties %>%
  group_by(party_name) %>%
  summarise(
    prop_total_migration = (sum(migration == "Yes") / n()) * 100,
    prop_Immigrants = (sum(migrant_grp == "Immigrants", na.rm = TRUE) / n()) * 100,
    prop_Higher_paid_workers = (sum(migrant_grp == "Higher-paid workers", na.rm = TRUE) / n()) * 100,
    prop_Migrant_workers = (sum(migrant_grp == "Migrant workers", na.rm = TRUE) / n()) * 100,
    prop_Domestic_workers = (sum(migrant_grp == "Domestic workers", na.rm = TRUE) / n()) * 100
  ) %>%
  pivot_longer(
    cols = starts_with("prop_") & !prop_total_migration,
    names_to = "migrant_group",
    values_to = "percentage",
    names_prefix = "prop_"
  )

转换后的数据结构示例：

内容的提问来源于stack exchange，提问作者nae890