如何在R中按misc分组计算小于指定值的数据行占比？

对于你的需求，用dplyr和tidyr两个工具包就能简单实现，步骤如下：

1. 准备工作（安装并加载包） #

如果还没安装这两个包，先运行：

install.packages(c("dplyr", "tidyr"))

然后加载包：

library(dplyr)
library(tidyr)

2. 构造原始数据框 #

把你给出的数据转换成R的dataframe：

df <- data.frame(
  misc = c("a", "a", "a", "b", "b", "b", "c", "c", "c"),
  data = c(0.0, 0.1, 0.2, 0.0, 0.2, 0.3, 0.0, 0.4, 0.6)
)

3. 生成目标data序列 #

按照你的要求生成指定范围的序列：

target_data <- seq(0.0, 10.0, by = 0.01)

4. 计算每个misc分组的比例 #

通过分组、扩展笛卡尔积、计算符合条件的行数占比来实现：

result_df <- df %>%
  # 按misc分组
  group_by(misc) %>%
  # 给每个分组匹配所有目标data值
  expand(data = target_data) %>%
  # 计算比例：当前分组中原始data小于当前目标data的行数 / 分组总行数
  mutate(proportion = sum(df$data[df$misc == misc] < data) / length(df$data[df$misc == misc])) %>%
  # 取消分组
  ungroup()

验证结果 #

你可以查看指定分组的前几行，和你给出的示例匹配：

head(result_df[result_df$misc == "a", ])
head(result_df[result_df$misc == "c", ])

关键代码说明 #

• expand(data = target_data)：给每个misc分组添加所有目标data值，形成笛卡尔积，确保每个misc对应所有目标data。
• sum(df$data[df$misc == misc] < data)：统计当前分组中原始data小于当前目标data的行数。
• length(df$data[df$misc == misc])：获取当前分组的总行数（比如a组固定有3行）。

内容的提问来源于stack exchange，提问作者clino