如何在R的dplyr分组汇总中统计count_col等于1的占比

需求说明 #

现有如下dplyr代码，用于对数据框df按label分组，计算count_col的均值、中位数及每组样本量，再按均值降序排列：

df |>
  dplyr::group_by(label) |>
  dplyr::summarize(avg_col = mean(count_col, na.rm = TRUE),
                   med_col = median(count_col, na.rm  = TRUE),
                   n = n()) |>
  dplyr::arrange(desc(avg_col))

需要在summarize语句中新增统计：count_col等于1的次数占该组总次数的百分比。

解决代码 #

直接在summarize中新增计算逻辑即可，利用逻辑值的数值特性实现占比统计：

df |>
  dplyr::group_by(label) |>
  dplyr::summarize(avg_col = mean(count_col, na.rm = TRUE),
                   med_col = median(count_col, na.rm  = TRUE),
                   n = n(),
                   pct_eq1 = mean(count_col == 1, na.rm = TRUE) * 100) |>
  dplyr::arrange(desc(avg_col))

实现说明 #

• count_col == 1会生成一个逻辑向量，满足条件的元素为TRUE（数值等价于1），不满足的为FALSE（数值等价于0）
• 对这个逻辑向量求均值mean(..., na.rm = TRUE)，得到的就是满足条件的元素占组内非缺失元素的比例
• 乘以100后转换为百分比格式，结果存储在pct_eq1列中

内容的提问来源于stack exchange，提问作者Eisen