如何在R中将分组数据按自定义区间拆分并统计占比？

我有一个包含50+个体ID的心率测量大型数据集（下文以iris数据集作为示例）。在数据探查过程中，已实现按分组计算分位数的操作，相关代码如下：

已实现的分位数计算代码 #

1. 使用summary函数分组汇总：

db$heartrate_seconds %>% 
  group_by( session_id ) %>% 
  summarise( as_tibble( rbind( summary( heartrate ) ) ) )

2. 使用fivenum函数分组汇总：

db$heartrate_seconds %>% 
  group_by( session_id ) %>% 
  summarise( as_tibble( rbind( fivenum( heartrate ) ) ) )

3. 自定义分位数并添加额外统计项：

iris %>% 
  group_by( Species ) %>% 
  summarise( 
    quantile( Sepal.Length, c(0, 0.01, 0.25, 0.5, 0.75, 0.99, 1), 
              type=5, na.rm=TRUE) %>% rbind %>% as_tibble,
    Range = `99%`-`1%`,
    Mean = mean(Sepal.Length) %>% floor
    ) %>% 
  print.data.frame( right = FALSE)

这段代码的输出结果：

Species    0%  1%  25% 50% 75% 99% 100% Range Mean
1 setosa     4.3 4.3 4.8 5.0 5.2 5.8 5.8  1.5   5   
2 versicolor 4.9 4.9 5.6 5.9 6.3 7.0 7.0  2.1   5   
3 virginica  4.9 4.9 6.2 6.5 6.9 7.9 7.9  3.0   6   

需求 #

需要按数据集自定义的多个区间拆分数据，用length类函数统计每个区间内的样本占比，生成紧凑的表格形式直方图数据（以百分比呈现），预期结果如下：

Species  N (4.3,5.02] (5.02,5.74] (5.74,6.46] (6.46,7.18] (7.18,7.9]
1     setosa 50         54          42           2           0          0
2 versicolor 50          6          36          40          18          0
3  virginica 50          2           4          42          30         22

解决方案代码 #

结合cut()划分区间、count()统计数量、pivot_wider()转换格式即可实现需求：

# 1. 定义自定义区间（示例用全局Sepal.Length的等距区间，可按需按分组自定义）
breaks <- seq(min(iris$Sepal.Length), max(iris$Sepal.Length), length.out = 6)

# 2. 分组统计并转换为百分比表格
iris %>%
  group_by(Species) %>%
  mutate(
    N = n(),
    length_bin = cut(Sepal.Length, breaks = breaks, include.lowest = FALSE)
  ) %>%
  count(length_bin, N, Species) %>%
  mutate(pct = round(n / N * 100)) %>%
  select(-n) %>%
  pivot_wider(names_from = length_bin, values_from = pct, values_fill = 0) %>%
  print.data.frame(right = FALSE)

代码说明 #

• cut()：将目标变量按自定义breaks拆分为指定区间，include.lowest = FALSE确保区间为左开右闭，匹配预期格式
• group_by(Species)：按分组维度（如个体ID、物种）拆分数据
• count()：统计每个分组下各区间的样本数量
• pivot_wider()：将长格式统计结果转为宽格式，生成紧凑的表格结构
• values_fill = 0：填充空值为0，避免出现NA值

输出结果 #

运行代码后将得到与预期一致的百分比统计表格：

Species  N (4.3,5.02] (5.02,5.74] (5.74,6.46] (6.46,7.18] (7.18,7.9]
1     setosa 50         54          42           2           0          0
2 versicolor 50          6          36          40          18          0
3  virginica 50          2           4          42          30         22

内容的提问来源于stack exchange，提问作者DiegoJArg