如何简化R中多条件筛选、分组统计后的数据合并代码？

问题背景 #

需要从佛罗里达州选民大型数据集中提取两类群体并对比分县占比：

• 2018年投票（voted_2018 == 1）但2020年未投票（voted_2020 == 0）的选民
• 2018和2020年都投票（voted_2018 == 1 且 voted_2020 == 1）的选民

原写法通过创建两个独立数据框再合并，存在重复代码且效率较低，以下是更简洁的实现方式。

优化后代码 #

result <- FL %>%
  # 筛选所有2018年投票的选民（两类群体的共同前提）
  filter(voted_2018 == 1) %>%
  # 按县 + 2020年投票状态分组统计人数
  group_by(county, voted_2020) %>%
  count(name = "n") %>%
  ungroup() %>%
  # 按2020年投票状态分组，计算分县占比（与原代码逻辑一致）
  group_by(voted_2020) %>%
  mutate(prop = n / sum(n) * 100) %>%
  ungroup() %>%
  # 转宽格式，合并两类群体的数据到同一行
  pivot_wider(
    id_cols = county,
    names_from = voted_2020,
    values_from = c(n, prop),
    # 重命名列，让含义更清晰
    names_glue = "{.value}_{ifelse(voted_2020 == 0, '2018_only', 'both_years')}"
  )

代码说明 #

• 一次过滤，避免重复：先筛选出2018年投票的选民，减少后续数据处理量，同时覆盖两类目标群体的共同条件。
• 分组统计一步到位：通过group_by(county, voted_2020)同时统计两类群体的分县人数，无需拆分两个数据框。
• 统一计算占比：按2020年投票状态分组计算占比，保证逻辑和原代码完全一致（即每个县的某类选民占该类总选民的百分比）。
• 自动合并结果：用pivot_wider将长格式数据转为宽格式，直接得到每县对应两类群体的人数和占比，替代原代码的merge操作。

原代码对比 #

原代码需要两次重复的过滤、分组、统计流程，再手动合并；优化后仅需一次数据遍历，代码更简洁，大型数据集下运行效率更高，且结果结构更规整。

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