在R中按行业分组基于固定值计算Share列的技术问题

原代码的问题 #

1. 管道符书写错误：group_by(Industry)%> 少了一个%，正确写法是 group_by(Industry)%>%
2. 列名笔误：match("9999", noc_code) 里的noc_code应为实际列名noc_doe
3. 类型不匹配：如果noc_doe是数值类型，用字符串"9999"匹配会返回NA，需改用数值9999

修正后的完整代码 #

先构造示例数据，再执行计算：

# 构建示例数据集
df <- data.frame(
  Industry = c("mining", "mining", "mining", "mining", "agriculture", "agriculture", "agriculture", "agriculture"),
  noc_doe = c(9999, 1, 5, 941, 9999, 701, 6785, 8456),
  VALUE = c(100, 15, 33, 50, 100, 25, 4, 90)
)

# 加载dplyr包并计算Share列
library(dplyr)
df <- df %>%
  group_by(Industry) %>%
  # 每个分组内取noc_doe=9999对应的VALUE作为分母
  mutate(Share = VALUE / VALUE[noc_doe == 9999]) %>%
  ungroup() # 可选，取消分组状态，方便后续操作

# 查看结果
print(df)

额外优化方案 #

如果担心每个行业分组内可能存在多个noc_doe=9999的记录，可以用first()确保只取第一个匹配值，避免长度不匹配的错误：

df <- df %>%
  group_by(Industry) %>%
  mutate(Share = VALUE / first(VALUE[noc_doe == 9999])) %>%
  ungroup()

预期输出 #

运行代码后会得到你想要的结果：

内容的提问来源于stack exchange，提问作者user15032839