R语言中基于数据集子集计算计划与学校类型的占比方法

一、修正筛选逻辑：保留提供level0至level04全部层级的学校 #

原代码仅排除了包含level05/06的学校，但无法保证剩余学校同时拥有level0到level04所有层级。正确逻辑是先识别出覆盖全部目标层级的学校，再过滤数据集：

# 定义必须包含的所有层级
required_levels <- c('level0', 'level01', 'level02', 'level03', 'level04')

# 筛选出拥有全部required_levels的有效学校
valid_schools <- quest40_2 %>%
  group_by(SCHOOL) %>%
  filter(all(required_levels %in% Q11)) %>%
  pull(SCHOOL) %>%
  unique()

# 过滤原数据集，仅保留有效学校
filtered_df_4_2 <- quest40_2 %>%
  filter(SCHOOL %in% valid_schools)

二、用tidyverse替代循环优化代码 #

上述代码全程使用dplyr管道操作，完全替代了原有的循环逻辑：

• 通过group_by(SCHOOL)按学校分组，检查每个学校的层级是否覆盖全部目标层级
• 用pull(SCHOOL)提取有效学校名称，再通过filter(SCHOOL %in% valid_schools)过滤原数据
• 代码更简洁、执行效率更高，符合tidyverse的风格规范

三、计算各学校类型下的Plan占比 #

根据需求，需计算不同学校类型（Q9）下各计划类型（Q40）的占比百分比，可根据数据结构选择以下两种方案：

方案1：基于原始记录计算（适合每条记录对应独立层级-plan） #

plan_ratio_by_type <- filtered_df_4_2 %>%
  group_by(Q9, Q40) %>%
  summarise(record_count = n(), .groups = "drop") %>%
  group_by(Q9) %>%
  mutate(percentage = round(record_count / sum(record_count) * 100, 2)) %>%
  select(Q9, Q40, percentage)

方案2：按学校去重后计算（适合统计学校层面的plan分布） #

plan_ratio_by_type <- filtered_df_4_2 %>%
  # 去重：每个学校-学校类型-计划类型仅保留一条
  distinct(SCHOOL, Q9, Q40) %>%
  group_by(Q9, Q40) %>%
  summarise(school_count = n(), .groups = "drop") %>%
  group_by(Q9) %>%
  mutate(percentage = round(school_count / sum(school_count) * 100, 2)) %>%
  select(Q9, Q40, percentage)

最终结果会呈现每个学校类型下各计划类型的占比百分比，可直接用于分析学校类型对层级日程规划的影响。

内容的提问来源于stack exchange，提问作者Larissa Cury