按年份统计数据集缺失占比的R语言循环实现技术问询

嘿，我来帮你搞定这个按年份统计整体缺失占比的需求！首先明确下：你要的是每年中存在缺失值的行数占当年总行数的比例，刚好你已经有了ds$missing标记每行是否含缺失，还有df$year的年份字段，那我们可以用两种方式实现：

方法一：循环实现（贴合你现有的代码风格） #

既然你之前习惯用循环处理缺失值统计，那这个版本应该对你来说很顺手：

# 提取所有不重复的年份值
unique_years <- unique(df$year)
# 初始化存储结果的向量
yearly_missing_ratio <- c()

# 遍历每个年份
for (year in unique_years) {
  # 筛选出当前年份的观测行
  year_data <- ds[df$year == year, ]
  # 统计当前年份的总行数
  total <- nrow(year_data)
  # 统计当前年份有缺失的行数（利用已有的missing标记）
  missing_count <- sum(ds$missing[df$year == year])
  # 计算占比并赋值，用年份作为向量名称
  yearly_missing_ratio[as.character(year)] <- missing_count / total
}

# 查看最终结果
print(yearly_missing_ratio)

关键步骤解释：

• 先获取唯一年份列表，避免重复处理相同年份
• 每次循环只聚焦当前年份的数据，统计缺失行占比
• 结果用年份字符串命名，能直观看到各年份的缺失比例

方法二：用dplyr快速分组统计（更高效简洁） #

如果你的数据集比较大，循环的效率可能不够，用dplyr的分组统计会更优雅，而且输出结果是规整的数据框，方便后续分析：

# 先安装并加载dplyr（如果还没安装的话）
# install.packages("dplyr")
library(dplyr)

# 把年份字段合并到ds数据集（如果df和ds是同一个数据集，直接用ds$year即可）
ds <- ds %>% mutate(year = df$year)

# 按年份分组计算缺失占比
yearly_missing_summary <- ds %>%
  group_by(year) %>%
  summarise(
    当年总行数 = n(),
    缺失行数 = sum(missing),
    整体缺失占比 = 缺失行数 / 当年总行数
  )

# 查看结果
print(yearly_missing_summary)

这个方法会直接生成一个包含年份、总行数、缺失行数、缺失占比的数据框，比循环的向量结果更易读，也方便后续可视化或进一步分析。

小补充：如果ds$missing还没生成？ #

要是你还没生成这个标记列，其实可以用一行代码快速搞定：

ds$missing <- rowSums(is.na(ds)) > 0

它会逐行统计缺失值的数量，只要数量大于0就标记为TRUE，完美替代手动标记~

内容的提问来源于stack exchange，提问作者869picardy