修改R自定义函数：自动计算分组女性频率并代入公式

需求回顾 #

原函数需要手动输入两组女性频率（百分比），现需修改为接收性别标记向量和分组标记向量，自动计算两组女性频率后代入原公式完成运算。

修改后的函数（Base R版本，无需额外依赖） #

calc_group_diff <- function(female_vec, group_vec) {
  # 按分组计算女性频率（直接得到比例值）
  group_freq <- tapply(female_vec, group_vec, mean)
  
  # 提取组1和组2的女性频率
  x <- group_freq[names(group_freq) == "1"]
  y <- group_freq[names(group_freq) == "2"]
  
  # 执行原公式逻辑（无需转换百分比）
  z <- x * (1 - x)
  t_val <- y * (1 - y)
  k <- sum(z, t_val)
  l <- k / 2
  
  return((x - y) / sqrt(l))
}

修改后的函数（dplyr版本，代码更直观） #

若习惯使用tidyverse工具链，可使用此版本：

library(dplyr)

calc_group_diff <- function(female_vec, group_vec) {
  # 构建临时数据框并计算每组女性频率
  freq_df <- tibble(group = group_vec, female = female_vec) %>%
    group_by(group) %>%
    summarize(freq = mean(female), .groups = "drop")
  
  # 提取组1和组2的频率值
  x <- freq_df$freq[freq_df$group == 1]
  y <- freq_df$freq[freq_df$group == 2]
  
  # 公式计算逻辑
  z <- x * (1 - x)
  t_val <- y * (1 - y)
  k <- sum(z, t_val)
  l <- k / 2
  
  return((x - y) / sqrt(l))
}

使用示例 #

# 你的原始数据集
db <- structure(list(group = c(1, 1, 1, 2, 2, 2, 2), female = c(1, 
0, 1, 1, 1, 0, 1)), class = c("tbl_df", "tbl", "data.frame"), row.names = c(NA, 
-7L))

# 调用函数，传入性别和分组向量
calc_group_diff(db$female, db$group)

关键修改说明 #

• 函数参数改为接收female_vec（性别标记向量，1=女性，0=男性）和group_vec（分组标记向量）
• 自动计算分组频率：利用mean()计算0/1向量的平均值，直接得到女性占比（频率）
• 移除原函数中x/100和y/100的步骤，因为现在直接计算的是比例而非百分比
• 通过分组匹配提取组1和组2的频率值，确保计算对应正确分组

内容的提问来源于stack exchange，提问作者user19745561