如何使用dplyr按州分组客户数据并计算客户占比？

核心实现思路 #

通过dplyr的链式操作，依次完成分组→计数→计算占比三个步骤即可达成需求：

• 用group_by(state)按州对客户数据分组
• 用summarise()统计每个州的客户总数
• 用mutate()结合sum()计算单州客户数占总客户数的百分比

你的代码问题分析 #

你提供的代码存在命名冲突问题：summarise(state = n())将计数结果命名为state，会直接覆盖原有的州名列，导致后续计算和数据读取逻辑混乱，需要把计数列改为其他名称，比如customer_count。

修正后的代码 #

# 先确保加载dplyr包
library(dplyr)

# 按州分组、计数并计算占比
colsolarestates <- ColSolare %>%
  group_by(state) %>%
  summarise(customer_count = n()) %>% # 命名计数列，避免覆盖原state字段
  mutate(percent = (customer_count / sum(customer_count)) * 100) # 计算占比，sum(customer_count)取总客户数

拓展用法（保留原数据字段） #

如果需要在原数据集基础上直接添加占比列，而非生成仅含分组统计的新数据，可以用以下写法：

ColSolare_with_percent <- ColSolare %>%
  group_by(state) %>%
  mutate(state_customer_count = n()) %>% # 标记每条数据所属州的客户总数
  ungroup() %>% # 取消分组，确保sum计算的是全局总客户数
  mutate(percent = (state_customer_count / sum(state_customer_count)) * 100)

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