如何用dplyr批量生成并合并pollster包的加权交叉表

1. 加载依赖包与数据集 #

先导入所需工具包和示例数据集：

library(dplyr)
library(pollster)
library(purrr)
library(tidyr)

# 导入示例数据集
data(illinois)

2. 标准化单个交叉表生成函数 #

基于你的需求调整函数，返回带变量标识的长格式结果，方便后续批量合并：

create_crosstabs <- function(row_var, col_var, data, weight_var = "weight") {
  # 生成加权交叉表
  ctab <- pollster::crosstab(
    data = data,
    x = !!sym(row_var),
    y = !!sym(col_var),
    weight = !!sym(weight_var),
    format = "long"
  )
  
  # 添加变量名标识，重命名列让结构更清晰
  ctab %>%
    mutate(
      row_variable = row_var,
      col_variable = col_var,
      .before = 1
    ) %>%
    rename(
      row_category = x,
      col_category = y,
      weighted_pct = pct,
      unweighted_n = n
    )
}

3. 定义待迭代的变量列表 #

把需要生成交叉表的行、列变量分别列出来（示例替换成你实际的30个行变量和13个列变量）：

# 行变量：sex、educ6、raceethnic等
row_vars <- c("sex", "educ6", "raceethnic")

# 列变量：maritalstatus、rv、voter等
col_vars <- c("maritalstatus", "rv", "voter")

4. 批量生成并合并所有交叉表 #

通过变量组合迭代+批量调用函数，快速生成并合并所有结果：

# 生成所有行-列变量的组合
var_combinations <- cross_df(list(row_var = row_vars, col_var = col_vars))

# 批量生成交叉表并按行合并
all_crosstabs <- var_combinations %>%
  pmap_dfr(create_crosstabs, data = illinois)

5. 可选：按变量分组整理 #

如果需要按行/列变量拆分查看结果，可使用group_split：

# 按行变量拆分出独立表格列表
by_row_var <- all_crosstabs %>%
  group_split(row_variable, .keep = TRUE)

# 按列变量拆分出独立表格列表
by_col_var <- all_crosstabs %>%
  group_split(col_variable, .keep = TRUE)

关键提示 #

• 用!!sym()实现字符串变量名的引用，是dplyr处理动态变量的标准写法。
• 若你的权重列不是weight，调用函数时可指定weight_var参数，比如pmap_dfr(create_crosstabs, data = illinois, weight_var = "your_weight_col")。
• pollster::crosstab的format = "long"参数直接返回长格式，避免后续额外的格式转换操作。

内容的提问来源于stack exchange，提问作者Ella Wind