如何在R中计算至少属于2个群体的人群占比？

Hey there! 既然你已经在R里加载好Stata数据集，还想到用dplyr的mutate和filter，思路完全没问题～咱们直接上实操步骤：

步骤1：计算每个人的群体参与数量 #

首先，我们需要给每一行（每一个受访者）计算他们总共加入了多少个群体。因为v1到v10都是0/1取值，直接对每一行求和就行，用rowSums函数效率很高：

# 先加载dplyr包（如果还没加载的话）
library(dplyr)

# 给数据集新增一列，记录每个人的群体数量
data_with_count <- your_data %>%
  mutate(group_count = rowSums(select(., v1:v10), na.rm = TRUE))

这里的na.rm = TRUE是为了处理可能存在的缺失值——如果某个受访者的某条v变量是NA，求和时会自动忽略，避免得到NA结果。

步骤2：计算目标人群的占比 #

接下来有两种常见方法可以算出至少属于2个群体的人占总人数的比例：

方法一：用summarize直接计算（更简洁）

逻辑值在R里会被当作1（TRUE）和0（FALSE）处理，所以直接对group_count >= 2求平均值，就能得到占比：

result <- data_with_count %>%
  summarize(percentage = mean(group_count >= 2, na.rm = TRUE) * 100)

# 查看结果
print(result)

乘以100是为了把小数转成百分比，方便阅读。

方法二：用filter筛选后计算（更直观）

如果你想先看到筛选后的子集，再计算占比，可以这样做：

# 筛选出至少属于2个群体的受访者
filtered_data <- data_with_count %>%
  filter(group_count >= 2)

# 计算占比
percentage <- (nrow(filtered_data) / nrow(data_with_count)) * 100

# 输出结果
cat("至少属于2个群体的人群占比：", round(percentage, 2), "%\n")

round(percentage, 2)是把结果保留两位小数，让输出更整洁。

小提示 #

• 记得把代码里的your_data换成你实际使用的数据集名称哦～
• 如果你的变量不是连续命名的v1到v10，可以手动列出来，比如select(., v1, v3, v5, ...)，只要包含所有目标变量就行。

内容的提问来源于stack exchange，提问作者user14478763