如何用dplyr的group_by和summarize按多列OR条件计算占比

你可以通过以下代码实现需求：

首先定义目标数据框：

df <- tribble(
  ~id, ~x, ~y, ~z,
  'A',0,0,0,
  'A',1,0,0,
  'A',1,1,0,
  'B',0,0,0,
  'B',0,0,0,
  'B',1,0,0,
  'C',1,0,0,
  'C',0,0,0,
  'C',0,0,0,
  'C',1,0,0,
)

接下来用group_by()和summarize()计算每组的占比：

library(dplyr)

df %>%
  group_by(id) %>%
  summarise(
    result = round(mean(rowSums(across(c(x, y, z))) > 0) * 100, digits = 2)
  )

运行后输出结果：

# A tibble: 3 × 2
  id    result
  <chr>  <dbl>
1 A       66.7
2 B       33.3
3 C       50  

代码说明 #

• across(c(x, y, z))：选中需要判断的x、y、z三列
• rowSums(...) > 0：计算每行x/y/z的和，和大于0就代表该行至少有一列值为1，返回TRUE（对应1）或FALSE（对应0）
• mean(...) * 100：利用逻辑值的数值特性，直接计算TRUE的占比并转为百分比
• round(..., digits=2)：将结果保留两位小数

内容的提问来源于stack exchange，提问作者rez