R语言dplyr按多列分组批量统计多列计数与占比

现有全因子类型数据框df，包含gender、country2个分组字段，以及a、b、c、d4个待统计字段，数据构造代码如下：

set.seed(123)
gender <- sample(1:2,12,replace=T)
country <- c('FIN', 'FIN', 'EST', 'NIG','NIG','JAM', 'FIN', 'NIG', 'EST', 'NIG','NIG','JAM','FIN', 'FIN', 'EST', 'NIG','NIG','JAM', 'FIN', 'NIG', 'EST', 'NIG','NIG','JAM')
a <- sample(1:5,24,,replace=T)
b <- sample(1:5,24,,replace=T)
c <- sample(1:5,24,,replace=T)
d <- sample(1:5,24,,replace=T)
# 合并变量生成数据框
df <- data.frame(gender,country,a,b,c,d)
df <- df %>% mutate_at(c("gender","country","a","b","c","d"), as.factor)

需求为按gender、country分组，统计a到d所有列的组内占比百分比与对应样本量n，要求不重复编写同类代码，批量完成4个字段的统计。

目前单字段（a列）的统计逻辑已验证可行：先按gender、country、a分组计算各组样本量totaln，再按country、gender分组计算组内百分比percentage，代码如下：

df %>% 
  group_by(gender,country,a) %>%
  summarise(totaln=n()) %>% 
  group_by(country,gender) %>% 
  mutate(percentage=totaln/sum(totaln)*100) 

a列统计输出结果如下：

gender country a     totaln percentage
   <fct>  <fct>   <fct>  <int>      <dbl>
 1 1      EST     1          2       50  
 2 1      EST     3          1       25  
 3 1      EST     4          1       25  
 4 1      FIN     1          1       25  
 5 1      FIN     2          3       75  
 6 1      NIG     1          1       25  
 7 1      NIG     2          1       25  
 8 1      NIG     3          1       25  
 9 1      NIG     4          1       25  
10 2      FIN     1          1       50  
11 2      FIN     3          1       50  
12 2      JAM     1          2       50  
13 2      JAM     3          2       50  
14 2      NIG     3          1       16.7
15 2      NIG     4          1       16.7
16 2      NIG     5          4       66.7

通过长表转换统一处理所有待统计字段，无需逐列重复编写统计代码，完整代码如下：

library(tidyverse)

df %>%
  pivot_longer(
    cols = a:d,
    names_to = "var_name",
    values_to = "var_level"
  ) %>%
  group_by(gender, country, var_name, var_level) %>%
  summarise(totaln = n(), .groups = "drop_last") %>%
  mutate(percentage = totaln / sum(totaln) * 100) %>%
  ungroup()

逻辑说明：

• 用pivot_longer将a-d四个待统计字段从宽格式转为长格式：var_name列标记当前统计的字段名（a/b/c/d），var_level列存储对应字段的因子取值
• 分组统计时将var_name、var_level加入分组规则，所有字段的计数、占比计算一次性完成
• summarise中设置.groups = "drop_last"会自动移除最内层的var_level分组，刚好匹配后续按gender、country、var_name分组计算组内占比的需求，无需重复调用group_by调整分组层级

输出结果中var_name为a的部分和单跑a列的结果完全一致，b、c、d列的统计逻辑完全相同。如果需要宽表格式的结果，可在上述代码末尾追加pivot_wider逻辑按需转换。

内容的提问来源于stack exchange，提问作者user19250276