如何识别语言同质家庭？基于R DataFrame的统计需求

核心思路 #

以Number作为家庭唯一标识，按家庭分组后统计每个家庭中DAILY_LANG的唯一值数量，再根据数量分类统计仅用一种语言（同质）和使用两种语言的家庭数。

基础版代码实现 #

library(dplyr)

# 按家庭分组，计算每个家庭的语言类型数量
family_lang_summary <- df %>%
  group_by(Number) %>%
  summarise(unique_lang_count = n_distinct(DAILY_LANG)) %>%
  ungroup()

# 统计两类家庭的数量
single_lang_count <- sum(family_lang_summary$unique_lang_count == 1)
two_lang_count <- sum(family_lang_summary$unique_lang_count == 2)

# 输出结果
cat("仅使用一种语言的家庭数：", single_lang_count, "\n")
cat("使用两种语言的家庭数：", two_lang_count, "\n")

基础版运行结果 #

仅使用一种语言的家庭有4个（编号33、1、62、69），使用两种语言的家庭有2个（编号31、36）。家庭30包含3种语言类型（1、0、11），不在本次统计的两类范围内。

可选：过滤无效值（若0为未填写项） #

如果DAILY_LANG中的0代表无效回答，可先过滤再统计：

family_lang_summary_filtered <- df %>%
  filter(DAILY_LANG != 0) %>%
  group_by(Number) %>%
  summarise(unique_lang_count = n_distinct(DAILY_LANG)) %>%
  ungroup()

single_lang_count_filtered <- sum(family_lang_summary_filtered$unique_lang_count == 1)
two_lang_count_filtered <- sum(family_lang_summary_filtered$unique_lang_count == 2)

cat("过滤0值后，仅使用一种语言的家庭数：", single_lang_count_filtered, "\n")
cat("过滤0值后，使用两种语言的家庭数：", two_lang_count_filtered, "\n")

过滤后结果 #

过滤0值后，仅使用一种语言的家庭有5个（编号33、1、62、69、36），使用两种语言的家庭有2个（编号30、31）。

内容的提问来源于stack exchange，提问作者Kian