在R语言中计算分组汇总列相对频率的问题求助

这个问题我太熟悉了！你遇到的核心问题是分组上下文的干扰——当你在group_by(x)的环境里直接计算p时，sum(total)只会计算当前分组内的总和，而不是所有分组汇总后的总金额，所以每个分组的total除以自己自然就得到100%啦。

为什么你的写法会出错？ #

在你尝试的两种写法里：

data %>% group_by(x) %>% summarise(total = sum(dollars), p = scales::percent(total/sum(total)))

summarise是针对每个分组单独执行的，每一次迭代中total是当前分组的求和结果，而sum(total)其实就是这个分组自己的total（因为每个分组只生成一行汇总数据），所以total/sum(total)恒等于1，最终显示100%。

正确的解决思路 #

我们需要先完成分组汇总，再跳出分组上下文计算全局的相对频率，有几种简单的实现方式：

方法1：先汇总，再取消分组计算百分比

这是最直观的方式，先用group_by()+summarise()得到每个分组的总金额，然后用ungroup()取消分组，再用mutate()计算相对频率：

library(dplyr)
library(scales)

data %>% 
  group_by(x) %>% 
  summarise(total = sum(dollars)) %>% 
  ungroup() %>%  # 关键步骤：取消分组，让sum(total)计算所有分组的总金额
  mutate(p = percent(total / sum(total), accuracy = 0.01))  # accuracy控制小数位数

运行后会得到你期望的结果：

x         total  p
<chr>     <dbl> <chr>
1 expense 1  3600 46.45%
2 expense 2  2150 27.74%
3 expense 3  2000 25.81%

方法2：先计算全局总金额，再直接引用

如果不想处理分组状态，可以先算出整个数据集的总金额，再在汇总时直接使用：

total_global <- sum(data$dollars, na.rm = TRUE)  # na.rm避免空值干扰

data %>% 
  group_by(x) %>% 
  summarise(total = sum(dollars),
            p = percent(total / total_global, accuracy = 0.01))

这种方式逻辑更直接，适合需要重复使用全局总金额的场景。

方法3：使用窗口函数指定全局范围（进阶）

如果你想在不取消分组的情况下完成计算，可以用窗口函数的.by = NULL参数指定计算全局总和：

data %>% 
  group_by(x) %>% 
  summarise(total = sum(dollars),
            p = percent(total / sum(total, .by = NULL), accuracy = 0.01))

.by = NULL会强制sum(total)计算整个数据集的总和，而不是当前分组的。

补充说明 #

• scales::percent()函数可以帮你自动格式化百分比字符串，accuracy参数可以控制小数位数（比如accuracy=0.01就是保留两位小数）；
• 如果不需要格式化，只是需要数值型的百分比，可以直接用total / sum(total) * 100，再根据需求用round()保留小数。

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