基于tidyverse/dplyr计算两个R数据框（Aug与Sept）的差异统计量（数量及占比）

嘿，我来帮你用tidyverse工具搞定这个数据对比的需求！先把数据构建出来，然后一步步实现三个计算目标：

首先，我们先加载tidyverse包并创建题目中的两个数据框：

library(tidyverse)

# 构建Sept数据框（9887到9900的连续数值）
Sept <- tibble(value = 9887:9900)

# 构建Aug数据框：前5个是9887-9891，然后3223重复6次，6563重复5次
Aug <- tibble(value = c(9887:9891, rep(3223, 6), rep(6563, 5)))

接下来咱们逐个完成需求：

1. 计算Aug中未出现在Sept中的数值的数量及占比 #

这里分两种常见统计维度：包含重复值的总观测数和去重后的唯一值，我都给你写出来：

统计总观测的情况：

aug_not_in_sept <- Aug %>%
  # 筛选出Aug里不在Sept中的观测
  anti_join(Sept, by = "value") %>%
  # 计算数量和占比
  summarise(
    count = n(),
    total_aug_observations = nrow(Aug),
    proportion = count / total_aug_observations
  )

# 查看结果
aug_not_in_sept

运行后会得到：Aug里有11个观测不在Sept中，占总观测数的68.75%。

统计唯一值的情况：

aug_unique_not_in_sept <- Aug %>%
  # 先对Aug的数值去重
  distinct(value) %>%
  anti_join(Sept, by = "value") %>%
  summarise(
    unique_count = n(),
    total_unique_aug_values = n_distinct(Aug$value),
    unique_proportion = unique_count / total_unique_aug_values
  )

aug_unique_not_in_sept

结果是：Aug里有2个唯一值（3223和6563）不在Sept中，占Aug唯一值总数的约28.57%。

2. 计算Sept中未出现在Aug中的数值的数量及占比 #

因为Sept里的数值都是唯一的，所以总观测和唯一值的统计结果一致：

sept_not_in_aug <- Sept %>%
  anti_join(Aug, by = "value") %>%
  summarise(
    count = n(),
    total_sept_observations = nrow(Sept),
    proportion = count / total_sept_observations
  )

sept_not_in_aug

运行结果：Sept里有9个观测（9892到9900）不在Aug中，占总观测数的约64.29%。

3. 计算Aug与Sept共有的数值的数量及占比 #

同样分两种维度统计：

共有观测数及各自占比：

# 先统计共有观测的数量
common_obs_count <- inner_join(Aug, Sept, by = "value") %>% nrow()

# 计算在两个数据框中的占比
common_stats <- tibble(
  common_observation_count = common_obs_count,
  aug_common_proportion = common_obs_count / nrow(Aug),
  sept_common_proportion = common_obs_count / nrow(Sept)
)

common_stats

结果显示：两者共有5个观测（9887到9891），占Aug总观测数的31.25%，占Sept总观测数的约35.71%。

共有唯一值数及各自占比：

common_unique_count <- inner_join(distinct(Aug), distinct(Sept), by = "value") %>% nrow()

common_unique_stats <- tibble(
  common_unique_value_count = common_unique_count,
  aug_unique_common_proportion = common_unique_count / n_distinct(Aug$value),
  sept_unique_common_proportion = common_unique_count / n_distinct(Sept$value)
)

common_unique_stats

结果是：两者共有5个唯一值，占Aug唯一值总数的约71.43%，占Sept唯一值总数的约35.71%。

内容的提问来源于stack exchange，提问作者Yomi.blaze93