泰坦尼克号数据集性别维度生存率百分比计算错误排查求助

你的代码问题出在分组逻辑和总和计算的范围：

• 当前group_by(Survived, Sex)后，summarize得到的是「存活状态+性别」组合的人数，后续mutate里的sum(number)会计算所有行的总人数（即全体乘客数），而非每个性别的总人数，导致百分比不是你需要的「单个性别内的存活占比」。

修正方案 #

以下两种方法都可以得到正确的结果：

方法一：先按性别分组统计 #

titanic_table <- train_data %>%
  group_by(Sex) %>%
  count(Survived) %>%
  mutate(
    Survived = factor(Survived, levels = c(0, 1), labels = c("No", "Yes")),
    total_number = sum(n), # 按当前分组（Sex）计算总人数
    percentage = (n / total_number) * 100
  )

逻辑说明：

1. group_by(Sex)先按性别分组
2. count(Survived)统计每个性别下，存活/未存活的乘客数
3. sum(n)此时会计算每个性别对应的总人数，以此为基数计算百分比

方法二：调整分组保留层级 #

titanic_table <- train_data %>%
  group_by(Survived, Sex) %>%
  summarize(number = n(), .groups = "drop_last") %>% # 仅保留Sex分组
  mutate(
    Survived = factor(Survived, levels = c(0, 1), labels = c("No", "Yes")),
    total_number = sum(number), # 基于Sex分组计算总人数
    percentage = (number / total_number) * 100
  )

逻辑说明：

1. 先按「存活状态+性别」分组统计人数
2. .groups = "drop_last"移除最内层的Survived分组，保留Sex分组
3. 此时sum(number)会针对每个性别计算总人数，确保百分比计算正确

验证 #

修正后，你会看到女性存活占比约74%，男性约19%，符合泰坦尼克号数据集的真实分布。

内容的提问来源于stack exchange，提问作者melissa