R语言：按另一列分组统计数据框某列的出现次数

我有一个包含字母列col1和颜色列col2的数据框：

x <- data.frame(col1=c("a","b","a","c","d","d","c","a","b","c"),
                col2=c("red","orange","yellow","red","red","yellow","orange","yellow","red","orange"))

对应的表格如下：

我的目标是创建第二个数据框，统计x中每个col1字母对应的col2各颜色的出现次数，示例结果如下：

目前由于col2仅有3个因子，我采用了手动逐个处理的暴力方法：

df <- data.frame(Letters = levels(factor(x$col1)))
df$Occurences <- table(x$col1)
df$red <- table(factor(x$col1[x$col2=="red"],levels=levels(factor(x$col1))))
df$orange <- table(factor(x$col1[x$col2=="orange"],levels=levels(factor(x$col1))))
df$yellow <- table(factor(x$col1[x$col2=="yellow"],levels=levels(factor(x$col1))))

请问是否有更简便的方法替代这种逐个列处理的方式？尤其是当数据集中col2的因子数量远多于3个时？

方法一：基础R原生实现 #

利用table()生成交叉频数表，再结合rowSums()快速统计总次数，无需手动遍历每个颜色类别：

# 生成col1与col2的交叉频数表
cross_table <- table(x$col1, x$col2)
# 转换为数据框并合并总出现次数
result_df <- data.frame(
  Letters = rownames(cross_table),
  Occurences = rowSums(cross_table),
  cross_table,
  row.names = NULL
)
# 可选：调整颜色列名首字母大写以匹配示例格式
colnames(result_df)[3:ncol(result_df)] <- toupper(substring(colnames(result_df)[3:ncol(result_df)], 1, 1))

该方法会自动适配col2的所有类别，不管数量多少都无需修改代码。

方法二：tidyverse工具集实现 #

如果习惯使用tidyverse语法，可通过dplyr+tidyr的组合完成，代码可读性更强：

library(tidyverse)

result_df <- x %>%
  # 按col1和col2分组统计频数
  count(col1, col2) %>%
  # 将col2的类别转换为列，缺失值填充为0
  pivot_wider(names_from = col2, values_from = n, values_fill = 0) %>%
  # 添加总出现次数列
  mutate(Occurences = rowSums(select(., -col1))) %>%
  # 调整列顺序并重命名列名
  relocate(Occurences, .after = col1) %>%
  rename(Letters = col1) %>%
  rename_with(~ str_to_title(.), cols = -c(Letters, Occurences))

此方法同样能自动识别col2的所有类别，适合处理大规模多类别数据。

内容的提问来源于stack exchange，提问作者Ben