如何用R按Student分组统计Response列中yes的占比？

需求说明 #

统计包含yes/no的Response列，按Student分组后计算每组中yes的占比，将占比添加到原数据的对应行中。

输入数据 #

期望输出 #

原代码问题分析 #

你提供的代码存在多处语法和逻辑错误：

• 管道符%>%书写不完整（多处缺少%）
• 使用summarize后会将分组数据压缩为每组一行，无法直接关联原数据的多行记录
• filter的位置错误，会过滤掉非yes的分组数据，导致无法计算全部分组的占比
• n()函数不需要传入参数，n(Response)写法错误

正确解决方案 #

方法一：分组内直接计算（推荐） #

使用dplyr的mutate在分组内直接计算占比，无需拆分合并数据：

library(dplyr)
library(scales)

df <- tibble(
  Student = c("S1", "S2", "S1", "S5", "S5", "S7", "S8"),
  Response = c("yes", "yes", "no", "yes", "yes", "no", "no")
)

result <- df %>%
  group_by(Student) %>%
  mutate(
    yes_count = sum(Response == "yes"),
    total_count = n(),
    percentage = label_percent(accuracy = 1)(yes_count / total_count)
  ) %>%
  ungroup() %>%
  select(Student, Response, percentage)

方法二：先分组统计再合并 #

先计算每个学生的占比，再通过left_join关联回原数据：

library(dplyr)
library(scales)

df <- tibble(
  Student = c("S1", "S2", "S1", "S5", "S5", "S7", "S8"),
  Response = c("yes", "yes", "no", "yes", "yes", "no", "no")
)

# 计算分组占比
percent_stats <- df %>%
  group_by(Student) %>%
  summarize(
    yes_count = sum(Response == "yes"),
    total_count = n(),
    percentage = label_percent(accuracy = 1)(yes_count / total_count),
    .groups = "drop"
  )

# 关联回原数据
result <- df %>%
  left_join(percent_stats, by = "Student") %>%
  select(Student, Response, percentage)

两种方法都能得到你期望的输出结果，方法一更简洁高效。

内容的提问来源于stack exchange，提问作者k34l