如何在R中重构秘鲁人口普查数据框以生成指定汇总表？

前置准备 #

先确保安装并加载数据处理常用的dplyr和tidyr包：

# 首次使用需安装
install.packages(c("dplyr", "tidyr"))

# 加载包
library(dplyr)
library(tidyr)

数据重构步骤 #

假设你的原始数据框df包含字段：District（地区）、Occupation_category（职业类别）、Gender（性别标识，如"Female"/"Male"）、Count（统计人数）。请根据实际数据调整以下代码中的类别标识和列名：

summary_table <- df %>%
  # 1. 按地区分组，计算各地区总从业者数
  group_by(District) %>%
  mutate(Total_workers = sum(Count)) %>%
  # 2. 筛选科技智力类从业者数据（替换为你数据中对应的职业类别值）
  filter(Occupation_category %in% c("Science", "Technology", "Intellectual")) %>%
  # 3. 计算各地区科技智力从业者总数
  mutate(total_tech_intel = sum(Count)) %>%
  # 4. 筛选女性科技智力从业者数据（替换为你数据中女性的标识）
  filter(Gender == "Female") %>%
  # 5. 计算两个占比指标
  mutate(
    `女性科技智力从业者占比` = Count / total_tech_intel,
    `科技智力从业者占比` = total_tech_intel / Total_workers
  ) %>%
  # 6. 保留目标字段并去重（每个地区仅留一行汇总数据）
  select(District, `女性科技智力从业者占比`, `科技智力从业者占比`, Total_workers) %>%
  distinct() %>%
  ungroup()

补充说明 #

• 若需将占比转为百分比格式，可修改mutate部分：

  mutate(
    `女性科技智力从业者占比` = paste0(round(Count / total_tech_intel * 100, 2), "%"),
    `科技智力从业者占比` = paste0(round(total_tech_intel / Total_workers * 100, 2), "%")
  )
  

• 若要保留无科技智力从业者的地区并填充0，可在开头添加complete补全缺失组合：

  df %>%
    complete(District, Occupation_category, Gender, fill = list(Count = 0)) %>%
    # 后续步骤同上
  

内容的提问来源于stack exchange，提问作者José Carlos Rojas