如何用单一dplyr代码块批量生成描述统计表格所需值？

当然可以用一段dplyr代码搞定所有分组的统计量计算，核心思路是把四种分组场景的统计结果用bind_rows()合并起来，同时添加标记列区分不同的分组类型。以下是具体实现：

假设你的数据集名为df，包含变量Education（教育水平）、Gender（性别）和Savoring（需要统计的变量），代码如下：

library(dplyr)

# 一次性生成所有分组的统计结果
desc_stats <- bind_rows(
  # 1. 整体统计（无分组）
  df %>%
    group_by(group_type = "整体") %>%
    summarise(
      Education = "整体",
      Gender = "整体",
      n = n(),
      mean_savoring = mean(Savoring, na.rm = TRUE),
      sd_savoring = sd(Savoring, na.rm = TRUE),
      .groups = "drop"
    ),
  # 2. 仅按Education分组
  df %>%
    group_by(group_type = "仅按教育水平", Education) %>%
    summarise(
      Gender = "不区分",
      n = n(),
      mean_savoring = mean(Savoring, na.rm = TRUE),
      sd_savoring = sd(Savoring, na.rm = TRUE),
      .groups = "drop"
    ),
  # 3. 仅按Gender分组
  df %>%
    group_by(group_type = "仅按性别", Gender) %>%
    summarise(
      Education = "不区分",
      n = n(),
      mean_savoring = mean(Savoring, na.rm = TRUE),
      sd_savoring = sd(Savoring, na.rm = TRUE),
      .groups = "drop"
    ),
  # 4. 按Education+Gender联合分组
  df %>%
    group_by(group_type = "教育水平+性别联合", Education, Gender) %>%
    summarise(
      n = n(),
      mean_savoring = mean(Savoring, na.rm = TRUE),
      sd_savoring = sd(Savoring, na.rm = TRUE),
      .groups = "drop"
    )
)

# 查看最终统计表格
print(desc_stats)

代码说明 #

• bind_rows()：把四个子代码块的结果纵向合并成一个数据框，保证所有统计结果在同一个表格里。
• group_type列：用来标记当前行属于哪种分组场景，方便后续整理或查看。
• 占位符处理：对于未用到的分组变量（比如仅按教育水平分组时的性别），用"不区分"或"整体"作为占位符，替代默认的NA，让表格更易读。
• .groups = "drop"：在summarise()后自动取消分组，避免后续合并时出现分组冲突。

如果你的分组变量是因子类型，可以根据需求调整占位符的格式，比如用factor("整体")保持类型一致。

内容的提问来源于stack exchange，提问作者12666727b9