请求更新含缺失值的dplyr交叉表代码（原函数已废弃）

原代码中使用的mutate_each、funs、spread等函数已在新版dplyr中废弃，以下是适配最新tidyverse语法的替代方案，同时保留对缺失值的处理（匹配Stata交叉表的需求）：

1. 基础依赖与示例数据 #

# 加载tidyverse包（包含dplyr、tidyr等核心工具）
library(tidyverse)

# 模拟带缺失值的数据集（类似Stata常见数据结构）
set.seed(123)
df <- tibble(
  group = sample(c("A", "B", NA), 100, replace = TRUE),
  outcome = sample(c("Yes", "No", NA), 100, replace = TRUE)
)

2. 手动构建交叉表（频数+行百分比） #

替代原代码中spread+mutate_each的逻辑，使用pivot_wider和across：

cross_tab <- df %>%
  # 统计所有组合的频数（包括缺失值，.drop=FALSE保留所有水平）
  count(group, outcome, .drop = FALSE) %>%
  # 按组计算行百分比
  group_by(group) %>%
  mutate(row_pct = round(n / sum(n) * 100, 1)) %>%
  ungroup() %>%
  # 转宽格式（替代旧的spread函数）
  pivot_wider(
    names_from = outcome,
    values_from = c(n, row_pct),
    values_fill = list(n = 0, row_pct = 0)  # 缺失的组合填充0
  )

# 查看结果
cross_tab

3. 更接近Stata tabulate的简洁方案（用janitor包） #

如果需要快速生成类似Stata的交叉表格式，推荐使用janitor包的tabyl函数：

# 安装并加载janitor包
# install.packages("janitor")
library(janitor)

df %>%
  tabyl(group, outcome, show_missing_levels = TRUE) %>%  # 保留缺失值水平
  adorn_percentages("row") %>%  # 计算行百分比
  adorn_pct_formatting(digits = 1) %>%  # 百分比格式（保留1位小数）
  adorn_ns()  # 同时显示频数和百分比

关键函数替换说明 #

• mutate_each(funs(...)) → across(列名, 函数)：用于批量处理多列，例如mutate(across(c(group, outcome), as.factor))替代原类型转换逻辑
• funs() → 直接使用匿名函数或命名列表：例如原funs(mean, sum)替换为list(mean = mean, sum = sum)
• spread(key, value) → pivot_wider(names_from = key, values_from = value)：更灵活的宽格式转换，支持多值列处理

内容的提问来源于stack exchange，提问作者karmakameleon888