如何在R语言中计算数据框各列响应值的占比？

我有如下格式的数据：

User <-c('User_1','User_2','User_3','User_4','User_5')
Q1 <- c('Never', 'Rarely', 'Sometimes', 'Often', 'Always') 
Q2<- c('Sometimes', 'Rarely', 'Sometimes', 'Often', 'Rarely')
Q3 <- c('Always', 'Rarely', 'Sometimes', 'Always', 'Rarely')
data1 <- data.frame(User, Q1, Q2, Q3)
print(data1)

输出结果为：

User        Q1        Q2        Q3
1 User_1     Never Sometimes    Always
2 User_2    Rarely    Rarely    Rarely
3 User_3 Sometimes Sometimes Sometimes
4 User_4     Often     Often    Always
5 User_5    Always    Rarely    Rarely

我的目标是生成一个数据框，展示数据集中每个有序值的占比，预期结果如下：

Q1        Q2        Q3
Never     20%        0%        0%
Rarely    20%       40%       40%
Sometimes 20%       40%       20%
Often     20%       20%        0%
Always    20%        0%       40%

不知道该如何实现，恳请帮忙解决。

可以通过两种方式实现，核心是按指定顺序统计各选项频次并转换为百分比格式：

方法一：基础R实现 #

# 定义有序选项的固定顺序，确保结果按预期排列
order_levels <- c("Never", "Rarely", "Sometimes", "Often", "Always")

# 提取需要统计的问卷列，排除User列
q_cols <- data1[, -1]

# 遍历每一列，统计占比并格式化
result <- lapply(q_cols, function(col) {
  # 强制按指定顺序统计，缺失选项自动补0
  freq <- table(factor(col, levels = order_levels))
  # 计算占比并格式化为百分比字符串
  paste0(round((freq / sum(freq)) * 100, 0), "%")
})

# 转换为数据框，设置行名为有序选项
result_df <- as.data.frame(result)
rownames(result_df) <- order_levels

print(result_df)

运行后输出与预期一致：

Q1   Q2   Q3
Never     20%   0%   0%
Rarely    20%  40%  40%
Sometimes 20%  40%  20%
Often     20%  20%   0%
Always    20%   0%  40%

方法二：tidyverse工具包实现（简洁风格） #

如果习惯使用dplyr和tidyr，可以用tidy风格代码实现：

library(dplyr)
library(tidyr)

order_levels <- c("Never", "Rarely", "Sometimes", "Often", "Always")

result_df <- data1 %>%
  # 转换为长格式，方便分组统计
  pivot_longer(cols = -User, names_to = "Question", values_to = "Response") %>%
  # 按问题和响应分组，统计频次
  count(Question, Response) %>%
  # 计算每个问题下各响应的占比
  group_by(Question) %>%
  mutate(percentage = paste0(round((n / sum(n)) * 100, 0), "%")) %>%
  # 转换回宽格式，缺失选项补0%
  pivot_wider(names_from = Question, values_from = percentage, values_fill = "0%") %>%
  # 按指定顺序排列行
  arrange(factor(Response, levels = order_levels)) %>%
  # 将响应列设为行名，移除原列
  column_to_rownames("Response")

print(result_df)

关键注意点 #

• 指定有序选项顺序：通过factor()强制按设定的顺序统计，避免遗漏选项或打乱排列。
• 缺失值补0：两种方法都处理了未出现的选项，确保结果包含所有预期的有序值。
• 百分比格式化：用paste0()将比例转换为带百分号的字符串，符合预期输出格式。

内容的提问来源于stack exchange，提问作者Socsi2