如何用R语言按地点计算多列变量各得分的占比？

现有如下R数据集：

location = rep(c("A", "B", "C", "D"), 
               times = c(4, 6, 3, 7))
ID = (1:20)
Var1 = rep(c(0,2,1,1,0), times = 4)
Var2 = rep(c(2,1,1,0,2), times = 4)
Var3 = rep(c(1,1,0,2,0), times = 4)

df=as.data.frame(cbind(location, ID, Var1, Var2, Var3))

需求是按location分组，统计每个变量（Var1/Var2/Var3）中得分0、1、2的出现次数，或直接计算各得分的占比。

尝试过编写统计各得分的函数：

score0 = function(a){sum(a==0)}
score1 = function(a){sum(a==1)}
score2 = function(a){sum(a==2)}

并结合dplyr的group_by使用lapply，但未得到预期结果，也无法将单变量分组占比的方案扩展到多变量场景。

第一步：修正数据集类型 #

原代码中cbind会将所有列转换为字符型，导致后续数值统计出错，建议直接用data.frame创建数据集，保留数值类型：

location = rep(c("A", "B", "C", "D"), times = c(4, 6, 3, 7))
ID = (1:20)
Var1 = rep(c(0,2,1,1,0), times = 4)
Var2 = rep(c(2,1,1,0,2), times = 4)
Var3 = rep(c(1,1,0,2,0), times = 4)

# 直接创建数据框，避免类型转换问题
df <- data.frame(location, ID, Var1, Var2, Var3)

方法1：统计各得分出现次数 #

使用tidyverse工具将宽表转为长表，再按分组统计次数：

library(tidyverse)

# 转长表，统一处理所有变量
count_result <- df %>%
  # 将Var1-Var3转为变量名-得分的长格式
  pivot_longer(cols = starts_with("Var"), 
               names_to = "variable", 
               values_to = "score") %>%
  # 按地点、变量、得分分组统计次数
  group_by(location, variable, score) %>%
  count(name = "count") %>%
  ungroup()

print(count_result)

方法2：计算各得分占比 #

在次数统计的基础上，按地点和变量分组计算占比：

proportion_result <- count_result %>%
  group_by(location, variable) %>%
  # 计算当前得分占该地点-变量总次数的比例
  mutate(proportion = count / sum(count)) %>%
  ungroup()

print(proportion_result)

补充说明 #

之前用group_by后直接lapply的问题在于：group_by返回的分组对象，lapply会遍历每一列而非按组处理变量；同时原数据集的数值列被转为字符型，导致sum(a==0)实际统计的是字符"0"的数量，与预期不符。

内容的提问来源于stack exchange，提问作者AlHu