在R数据框中聚合变量所有组合的高效实现方法问询

问题背景 #

需要统计数据框中多个变量的所有非空水平组合的出现频次，包括单个变量、两两组合、直至全部变量的组合，避免重复编写group_by/summarise代码。

示例数据集 #

library(dplyr)
library(purrr)

set.seed(123)
df <- tibble(
  var1 = sample(c("A", "B", "C"), 100, replace = TRUE),
  var2 = sample(c("X", "Y"), 100, replace = TRUE),
  var3 = sample(c("M", "N", "O"), 100, replace = TRUE)
)

简洁解决方案 #

通过生成所有变量子集，结合purrr批量处理分组统计，自动合并结果：

# 提取目标变量名称
target_vars <- names(df)

# 生成所有非空变量组合（1个到全部变量的所有子集）
subset_list <- lapply(1:length(target_vars), function(k) {
  combn(target_vars, k, simplify = FALSE)
}) %>% unlist(recursive = FALSE)

# 批量统计每个组合的频次并合并结果
all_summary <- map_dfr(subset_list, function(grp_vars) {
  df %>%
    group_by(across(all_of(grp_vars))) %>%
    summarise(n = n(), .groups = "drop") %>%
    # 添加组合类型和具体组合标识
    mutate(
      combination_type = case_when(
        length(grp_vars) == 1 ~ "single",
        length(grp_vars) == 2 ~ "pair",
        length(grp_vars) == length(target_vars) ~ "full"
      ),
      combination = paste(grp_vars, collapse = ", ")
    )
})

关键说明 #

1. 变量子集生成：用combn生成从1到变量总数的所有可能组合，避免手动列举每个分组
2. 动态分组：across(all_of(grp_vars))支持动态传入分组变量，适配任意数量的组合
3. 自动合并：map_dfr直接将多个数据框按行合并，无需手动调用bind_rows
4. 组合标识：新增的combination_type和combination列方便区分不同层级的统计结果

模拟SAS NWAY功能（仅最高阶组合） #

如果只需要所有变量全组合的统计（对应SAS PROC SUMMARY的NWAY选项），只需筛选最高阶的子集：

nway_summary <- map_dfr(subset_list[length(subset_list)], function(grp_vars) {
  df %>%
    group_by(across(all_of(grp_vars))) %>%
    summarise(n = n(), .groups = "drop")
})

内容的提问来源于stack exchange，提问作者Aaron R.