R语言计算各主题唯一实例占编码总数的占比问题

1. 计算唯一实例占比（similarity列） #

你之前的代码错误在于用group_by(topic)后调用lag(numCoded)——每个主题本身就是单独一行，lag找不到前序数据才会出现NA，而且这个逻辑和你需要的「唯一实例占编码总数的比例」完全不相关。

直接通过mutate计算numUnique与numCoded的比值即可，转成百分比的话乘以100：

library(tidyverse)

# 计算similarity列（百分比格式）
propAgree <- propAgree %>%
  mutate(similarity = (numUnique / numCoded) * 100)

# 若需要小数格式（0-1之间），去掉*100即可
# propAgree <- propAgree %>% mutate(similarity = numUnique / numCoded)

用你给出的示例数据，计算后结果如下：

2. 筛选占比最高/最低的10个主题 #

使用slice_max和slice_min可以快速筛选指定数量的极值行，也可以合并结果方便查看：

# 筛选占比最高的10个主题
top_10 <- propAgree %>%
  slice_max(order_by = similarity, n = 10)

# 筛选占比最低的10个主题
bottom_10 <- propAgree %>%
  slice_min(order_by = similarity, n = 10)

# 合并最高/最低结果（可选）
combined_result <- bind_rows(
  top_10 %>% mutate(group = "最高占比Top10"),
  bottom_10 %>% mutate(group = "最低占比Top10")
)

内容的提问来源于stack exchange，提问作者bvecc