如何按两组计算各选项的受试者选择占比？

初始数据 #

你构建的初始DataFrame代码如下：

subject <- c(rep("A",3), rep("B",3), rep("C",3), rep("D",3))
item <- c(1:3, 1,4,5,1,2,6,3,4,7)
group <- c(rep("pre",6), rep("post",6))

initialdf <- data.frame(subject,item,group)

目标结果 #

你希望得到每个group（pre/post）中，选择各item的受试者占比，目标DataFrame代码如下：

item2 <- c(rep(1:7,2))
group2 <- c(rep("pre",7),rep("post",7))
percent <- c(100,rep(50,4),rep(0,2),rep(50,4),0,rep(50,2))

finaldf <- data.frame(item2,group2,percent)

尝试的分组方式 #

你尝试了以下8种分组组合：

1. group_by(subject)%>%
2. group_by(group)%>%
3. group_by(subject,group)%>%
4. group_by(group,subject)%>%
5. group_by(group,item)%>%
6. group_by(item,group)%>%
7. group_by(item,subject)%>%
8. group_by(subject,item)%>%

尝试的计算逻辑 #

每次调整分组后，你使用的计算代码（以group_by(subject)为例）：

initialdf%>%
  group_by(subject)%>%
  summarise(n = n()) %>%
  mutate(freq = n / sum(n))%>%
  mutate(Percent = freq*100)

你的操作存在的核心问题 #

1. 分组逻辑偏离目标 #

你需要的是按group分组，统计每个group下各item对应的独立受试者数量，再除以该group的总受试者数，但大部分分组都没抓住这个核心：

• 如group_by(subject)是按受试者分组，统计的是单个受试者的条目数占比，和目标需求完全无关；
• group_by(group,item)虽然方向正确，但后续统计逻辑没匹配上。

2. 统计逻辑错误 #

你的summarise(n = n())统计的是分组内的条目总数，而非选择该item的独立受试者数。比如同一个受试者在pre组选了item1，你的代码会把该受试者的多条目重复计算，但实际上每个受试者在一个组内只需要统计一次。

3. 缺失补全空item的步骤 #

目标结果包含了所有1-7的item（包括某个组里无人选择的item，比如pre组的item6、7），但你的代码不会自动补全这些缺失的item，导致结果里没有这些占比为0的行。

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