如何基于双分组变量计算占比并解决summarise分组提示问题

核心问题分析 #

1. 占比计算偏差：原代码中summarise()后分组自动保留了Condition（默认去掉最后一个分组变量Category），因此mutate(n/sum(n))是按Condition分组计算占比，而非双变量组合的整体占比或你预期的维度。
2. 分组提示：dplyr默认会提示summarise()后的分组变化，全局关闭提示的options需在代码执行前生效，更推荐直接在summarise中控制分组行为。

解决方案 #

场景1：计算每个(Condition, Category)组合占全部数据的比例 #

Combine1 %>%
  group_by(Condition, Category) %>%
  dplyr::summarize(n = n(), .groups = "drop") %>%  # .groups="drop"移除所有分组，消除提示
  mutate(pct = n / sum(n), lbl = scales::percent(pct))

• 说明：.groups = "drop"让summarise()后直接取消所有分组，此时sum(n)是全部数据的总样本量，计算出的是每个组合在整体中的占比。

场景2：计算每个Condition内各Category的占比 #

如果你需要的是同一Condition下不同Category的占比，可保留Condition分组，同时消除提示：

Combine1 %>%
  group_by(Condition, Category) %>%
  dplyr::summarize(n = n(), .groups = "drop_last") %>%  # 仅保留Condition分组，符合默认行为但无提示
  mutate(pct = n / sum(n), lbl = scales::percent(pct))

• 或者用更简洁的count函数替代：

Combine1 %>%
  count(Condition, Category) %>%
  group_by(Condition) %>%
  mutate(pct = n / sum(n), lbl = scales::percent(pct)) %>%
  ungroup()  # 可选：最终移除分组，避免后续操作受分组影响

关于分组提示的额外说明 #

如果你坚持用全局关闭提示的方式，需确保options在dplyr代码之前执行：

options(dplyr.summarise.inform = FALSE)

# 之后再执行你的数据处理代码
Combine1 %>%
  group_by(Condition, Category) %>%
  dplyr::summarize(n = n()) %>%
  mutate(pct = n/sum(n), lbl = scales::percent(pct))

内容的提问来源于stack exchange，提问作者Alex