R语言自动生成频率表：优化手动统计代码

方法1：使用基础R的table()函数（最简单高效） #

这是生成交叉频率表最直接的方式，一行代码就能搞定，完全无需手动拆分合并数据框：

# 构造示例数据
df <- data.frame(
  Type = c("A", "B", "A", "C", "B", "C", "A"),
  District = c(1, 1, 2, 1, 1, 2, 2)
)

# 生成交叉频率表
freq_table <- table(df$Type, df$District)
# 转为数据框格式（按需选择）
as.data.frame.matrix(freq_table)

输出结果：

方法2：使用sapply实现自动化 #

如果需要用sapply实现，可通过遍历所有District，自动统计各Type的出现次数，适配任意数量的分类：

# 获取唯一的Type和District
unique_types <- unique(df$Type)
unique_districts <- unique(df$District)

# 用sapply嵌套遍历统计频率
freq_table_sapply <- sapply(unique_districts, function(d) {
  sapply(unique_types, function(t) {
    sum(df$Type == t & df$District == d)
  })
})

# 设置行列名
rownames(freq_table_sapply) <- unique_types
colnames(freq_table_sapply) <- unique_districts

# 转为数据框
as.data.frame(freq_table_sapply)

方法3：使用tidyverse的pivot_wider（适合数据框工作流） #

若习惯tidyverse工具链，可先统计分组频率再转宽表，可读性高：

library(tidyverse)

df %>%
  count(Type, District) %>%
  pivot_wider(names_from = District, values_from = n, values_fill = 0)

关键提示 #

• table()默认自动补全0值，且处理大数据时效率最优；
• 三种方案均无需手动适配Type/District的数量，9种Type、31个District的场景下直接复用即可；
• table()返回的对象可直接用于后续统计分析（如卡方检验）。

内容的提问来源于stack exchange，提问作者Léo