如何在R中按range分组计算数据框各var列的零值占比

问题分析 #

你原代码的核心问题：

• 循环中每次覆盖df_new，最终仅保留最后一列的计算结果
• 错误使用names(df[,i])获取列值，实际上names()返回的是列名（如"var1"），而非列的数值数据
• 分母计算错误，sum(names(df[,i]))是对列名字符串求和（无意义），应统计每组内非NA观测总数

推荐解决方案：Tidyverse长格式处理（更适合后续绘图） #

用tidyr将宽格式转长格式，再分组计算，这种方式更简洁，且直接适配ggplot绘图需求。

步骤1：加载依赖包 #

library(tidyverse)

步骤2：转换为长格式 #

把多个var列合并为「变量名」和「数值」两列，方便统一处理：

df_long <- df %>%
  select(-id) %>%  # 移除不需要的id列
  pivot_longer(
    cols = starts_with("var"),  # 选择所有var开头的列
    names_to = "variable",      # 新列：变量名（如var1）
    values_to = "value"         # 新列：对应数值
  )

步骤3：分组计算零值占比 #

按range和variable分组，计算每组零值数量占非NA观测数的比例：

zero_prop <- df_long %>%
  group_by(range, variable) %>%
  summarise(
    prop_zero = sum(value == 0, na.rm = TRUE) / sum(!is.na(value)),
    .groups = "drop"  # 计算后取消分组
  )

# 查看结果
print(zero_prop)

步骤4：绘制趋势图 #

直接用长格式结果绘图，轻松展示所有变量的趋势：

ggplot(zero_prop, aes(x = range, y = prop_zero, color = variable, group = variable)) +
  geom_line(linewidth = 1) +
  geom_point(size = 2) +
  labs(
    x = "Range",
    y = "零值占比",
    title = "各变量零值占比随Range变化趋势"
  ) +
  theme_minimal()

备选方案：宽格式直接计算（保留原数据结构） #

如果需要在原数据框中添加各变量的零值占比列，用dplyr::across批量处理，无需循环：

df_wide <- df %>%
  group_by(range) %>%
  mutate(
    across(
      starts_with("var"),  # 批量处理var列
      ~ sum(.x == 0, na.rm = TRUE) / sum(!is.na(.x)),  # 计算零值占比
      .names = "prop_zero_{.col}"  # 新列命名规则：prop_zero_var1
    )
  ) %>%
  ungroup()

# 查看添加的占比列
print(df_wide %>% select(range, starts_with("prop_zero")))

如果你一定要用循环（不推荐） #

若坚持用循环实现，需注意动态列引用和结果合并：

# 初始化结果数据框
result <- data.frame(range = unique(df$range))

for(i in 3:ncol(df)){
  var_name <- colnames(df)[i]
  # 计算当前列的零值占比
  temp <- df %>%
    group_by(range) %>%
    summarise(
      !!paste0("prop_zero_", var_name) := sum(.data[[var_name]] == 0, na.rm = TRUE) / sum(!is.na(.data[[var_name]]))
    )
  # 合并到结果
  result <- result %>% left_join(temp, by = "range")
}

print(result)

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