如何使用dplyr统计两列满足条件的分组计数及占比

针对分组统计时丢失零计数分组、分母硬编码的问题，以下是可靠实现方法：

dplyr 最优实现 #

核心调整是放弃先filter再分组统计的逻辑，改为先分组，再在组内直接统计符合条件的样本数，同时自动获取每组实际样本量作为分母，从根源避免两个问题：

library(dplyr)

resulta <- tta %>%
  group_by(group) %>%
  summarise(
    n = sum(v1 <= 6 & v2 <= 6), # 直接统计组内符合条件的行数，无需提前筛选
    frac = n / n(), # 用n()获取当前组实际样本量，替代硬编码分母
    .groups = "drop"
  )

运行以上代码会直接得到期望输出，分组3会被保留，n=0、frac=0，且不管每组实际样本量是多少，占比计算都准确。

如果场景中存在原始数据里完全没有样本的理论分组（比如分组范围是1-6，但原始数据里没有分组6的任何记录），可以先把分组列转为因子指定完整水平，再配合.drop = FALSE参数保留空分组：

tta$group <- factor(tta$group, levels = 1:5) # 指定所有需要保留的分组水平
resulta <- tta %>%
  group_by(group, .drop = FALSE) %>% # 关闭空因子水平自动丢弃
  summarise(
    n = sum(v1 <= 6 & v2 <= 6),
    frac = n / n(),
    .groups = "drop"
  )

Base R 原生实现（无需依赖dplyr） #

不用第三方包也可以实现同样逻辑，代码如下：

# 按分组统计总样本量
total_n <- tapply(seq_len(nrow(tta)), tta$group, length)
# 按分组统计符合条件的样本量
match_n <- tapply(tta$v1 <= 6 & tta$v2 <=6, tta$group, sum)
# 合并为结果数据框
resulta <- data.frame(
  group = as.integer(names(total_n)),
  n = as.vector(match_n),
  frac = as.vector(match_n / total_n)
)

核心逻辑说明 #

• 提前全局filter会直接删除不符合条件的行，对应没有符合条件样本的分组会被完全剔除；改为分组后用sum(逻辑判断)统计，逻辑值TRUE计数为1、FALSE计数为0，零样本组会自动得到n=0，不会丢失
• 分组后用n()（dplyr）或分组计数函数（base R）动态获取每组样本量作为分母，完全避免硬编码，适配分组样本量不一致的场景

内容的提问来源于stack exchange，提问作者cwind