如何将仅适配groupA的R代码改写为循环/函数批量生成统计表

问题背景 #

现有一段仅能处理groupA的R代码，需改写为可批量处理groupA、groupB、groupC等多个分组的逻辑，生成包含分组名称、样本量N、占比mean的统计表格。原示例数据及单分组代码如下：

library(data.table)
library(foreach)

dt <- data.table(ID = c(1, 2, 3, 4),
                 sex= c('F', 'M', 'F', 'F'),
                 education = c("A", "B", "C", "D"),
                 age = c(23, 34, 55, 77),  
                 groupA= c(1, 5, 2, 4), 
                 groupB= c(2, 3, 4, 3),
                 groupC= c(3, 1, 2, 4), 
                 groupD= c(2, 3, 1, 3),
                 groupE= c(3, 5, 2, 4)
)

# 原单分组处理代码
dt[, {
  x=as.character(groupA)
  x[is.na(groupA)]='Missing'
  values <- unique(x)
  foreach(v = values, .combine = rbind)%do%{
    out=data.table(group = "groupA", 
                   N = sum(x == v),
                   mean = sum(x==v)/.N)
    out
  }}]

方案1：自定义函数+For循环 #

先封装单分组处理逻辑为函数，再遍历目标分组列合并结果：

library(data.table)

# 定义单分组处理函数
process_group <- function(dt, group_col) {
  x <- as.character(dt[[group_col]])
  x[is.na(x)] <- 'Missing'
  values <- unique(x)
  
  # 生成当前分组的统计结果
  result <- rbindlist(lapply(values, function(v) {
    data.table(
      group = group_col,
      N = sum(x == v),
      mean = sum(x == v) / length(x)
    )
  }))
  
  return(result)
}

# 指定需要处理的分组列
group_cols <- c("groupA", "groupB", "groupC", "groupD", "groupE")

# 循环处理并合并所有结果
final_result <- rbindlist(lapply(group_cols, function(col) process_group(dt, col)))

# 查看结果
print(final_result)

方案2：Data.table原生高效写法（推荐） #

利用melt转长表后直接分组统计，代码简洁且无需额外依赖：

library(data.table)

# 指定目标分组列
group_cols <- c("groupA", "groupB", "groupC", "groupD", "groupE")

# 宽表转长表，仅保留分组相关数据
long_dt <- melt(dt, id.vars = setdiff(names(dt), group_cols), 
                measure.vars = group_cols,
                variable.name = "group", value.name = "value")

# 处理缺失值并按分组+值统计
final_result <- long_dt[, {
  x <- as.character(value)
  x[is.na(x)] <- "Missing"
  .(N = .N, mean = .N / nrow(long_dt[group == .BY$group]))
}, by = .(group, x)]

# 调整列名和顺序
setnames(final_result, "x", "value")
setcolorder(final_result, c("group", "value", "N", "mean"))

# 查看结果
print(final_result)

预期输出示例 #

运行后会得到类似如下的统计表格：

group value N      mean
 1: groupA     1 1 0.2500000
 2: groupA     5 1 0.2500000
 3: groupA     2 1 0.2500000
 4: groupA     4 1 0.2500000
 5: groupB     2 1 0.2500000
 6: groupB     3 2 0.5000000
 7: groupB     4 1 0.2500000
...

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