如何在统计TRUE数量时用0替代NULL生成向量？

明确需求 #

针对Var1的每个类别（A、B、C），计算该类别中目标变量（如Var2/Var3）为TRUE的比例（即平均值，因为TRUE等价于1，FALSE等价于0），生成对应每个Var1类别的向量；当目标变量全为FALSE时，每个类别对应的比例返回0，而非NULL。

方法1：使用dplyr（简洁稳定） #

library(dplyr)

# 定义函数：按Var1分组计算目标变量的TRUE比例
get_true_proportion <- function(data, target_col) {
  data %>%
    group_by(Var1) %>%
    summarize(proportion = mean({{target_col}}, na.rm = TRUE)) %>%
    tibble::deframe() # 转换为命名向量，名称对应Var1的类别
}

# 计算Var2的结果
count1 <- get_true_proportion(df, Var2)
# 输出结果：A=1, B=0, C=1

# 计算Var3的结果
count2 <- get_true_proportion(df, Var3)
# 输出结果：A=0, B=0, C=0

方法2：基础R实现（无第三方依赖） #

用aggregate函数即可完成需求：

# 计算Var2的TRUE比例
count1_result <- aggregate(Var2 ~ Var1, data = df, FUN = mean)
count1_vec <- setNames(count1_result$Var2, count1_result$Var1)

# 计算Var3的TRUE比例
count2_result <- aggregate(Var3 ~ Var1, data = df, FUN = mean)
count2_vec <- setNames(count2_result$Var3, count2_result$Var1)

原代码问题说明 #

你原代码中count2 = as.vector(tapply(df$Var1, df$Var3, table)$'TRUE')/nrow(df)出现NULL的原因：

1. 逻辑偏差：tapply(df$Var1, df$Var3, table)是按Var3的取值分组，统计Var1的类别频数，并非按Var1分组统计目标变量的TRUE比例，和你的需求不匹配。
2. 场景适配问题：当Var3全为FALSE时，table的结果里只有FALSE分组，没有TRUE分组，提取$'TRUE'自然返回NULL。

用mean()直接计算比例是更可靠的方式，它会自动处理全FALSE的情况返回0，同时严格匹配按Var1类别统计的需求。

内容的提问来源于stack exchange，提问作者Linus