在R中不使用dplyr为大型宽数据集添加频数列

针对大型宽格式分类数据集，以下两种方案无需指定变量名、不依赖table()函数，能高效完成重复行合并并添加频次列：

使用dplyr包（tidyverse生态） #

利用across(everything())自动选中所有列作为分组依据，通过分组合并统计频次，内存友好：

library(dplyr)

# 按所有变量分组，统计每组出现次数
data_freq <- data %>%
  group_by(across(everything())) %>%
  summarize(Freq = n(), .groups = "drop")

• across(everything())：自动识别所有列作为分组键，适配任意数量的分类变量
• n()：统计每组内的观测行数即频次
• .groups = "drop"：完成统计后取消分组结构，返回常规数据框

使用data.table包（大数据最优选择） #

data.table的分组运算效率远高于基础R，适合百万级以上的大型数据集：

library(data.table)

# 转换为data.table格式（若原数据是data.frame）
setDT(data)

# 按所有列分组，计算频次
data_freq <- data[, .(Freq = .N), by = names(data)]

• .N：data.table内置变量，直接返回每组的观测数量
• by = names(data)：自动以所有列作为分组依据，无需手动列变量名

这两种方法均避免了table()生成多维交叉表的内存爆炸问题，完全适配任意数量的分类变量。

内容的提问来源于stack exchange，提问作者Bibi