如何从多选种族问卷数据中获取单一类别百分比分布？

我运行以下代码统计样本种族分布：

dataset %>% 
group_by(ethnicity) %>%
  summarise(percent = 100 * n()/nrow(datset))

（注：原代码存在拼写错误，datset应为dataset）

但因问卷允许受试者多选种族类别，结果显示的是组合类别占比（示例如下）：

1 "[\"Aboriginal or Torres Strait Islander\",\"Caucasian\",\"Asian (inc. Indian subcontinent)\"]"  0.364 
 2 "[\"Aboriginal or Torres Strait Islander\",\"Caucasian\"]"                                       0.0910
 3 "[\"Aboriginal or Torres Strait Islander\"]"                                                     0.910 
 4 "[\"African\"]"                                                                                  0.637 
 5 "[\"Asian (inc. Indian subcontinent)\"]"                                                         0.0910
 9 "[\"Caucasian\",\"Latino/Hispanic\"]"                                                            0.182 
10 "[\"Caucasian\",\"Middle Eastern\"]"                                                             0.273 
11 "[\"Caucasian\",\"Not listed\"]"                                                                 0.182 

现需获取单一种族类别（如Caucasian、African等）的百分比分布，求最优高效实现方法。

针对多选产生的组合种族字符串，有两种高效实现方式，均基于tidyverse工具链：

方法1：JSON解析法（鲁棒性最强） #

由于种族列是标准JSON格式的字符串，用jsonlite包解析最稳妥，能避免种族名称含特殊字符导致的拆分错误：

library(tidyverse)
library(jsonlite)

dataset %>%
  # 将JSON字符串转为种族列表
  mutate(ethnicity = map(ethnicity, fromJSON)) %>%
  # 拆分列表为单独行，每个种族对应一行
  unnest(ethnicity) %>%
  # 按单一种族分组统计
  group_by(ethnicity) %>%
  # 计算占比：选择该种族的样本数/总样本数*100（多选场景下占比总和会超100%）
  summarise(percent = 100 * n() / nrow(dataset)) %>%
  # 可选：按占比降序排列
  arrange(desc(percent))

方法2：字符串拆分法（无需额外包） #

如果不想加载jsonlite，可以直接通过字符串处理拆分组合：

library(tidyverse)

dataset %>%
  # 移除字符串前后的方括号和引号
  mutate(ethnicity = str_remove_all(ethnicity, '^\\["|\\"]$')) %>%
  # 按","拆分字符串为多行
  separate_rows(ethnicity, sep = '","') %>%
  group_by(ethnicity) %>%
  summarise(percent = 100 * n() / nrow(dataset)) %>%
  arrange(desc(percent))

说明 #

两种方法的核心逻辑一致：将每个多选组合拆分为单独的种族条目，再统计每个种族被选择的样本数占总样本的百分比。由于是多选数据，最终所有种族的百分比之和会超过100%，这是正常现象。

内容的提问来源于stack exchange，提问作者Louis