如何使用filter对字符变量中不同数据求和，统计各就诊次数下HMO/PPO数量

核心问题说明 #

你原有代码的错误在mutate步骤，你把分组汇总后得到的每个（保险类型+就诊次数）分组的计划数量，错误地用全数据集总样本数覆盖了，导致拿不到你需要的分组计数。

修正后代码 #

library(tidyverse)

# 替换下方的df为你自己的原始数据框名称
df %>%
  pivot_longer(
    cols = c("Zero", "One", "Two", "Three", "Four", "Five", "Six_Plus"),
    names_to = "visit_amount",
    values_to = "value"
  ) %>%
  group_by(reporting_product, visit_amount) %>%
  summarise(
    # 该值就是对应分组下的计划总数
    n_reporting_product = n(),
    avg_value = mean(value, na.rm = TRUE)
  ) %>%
  ungroup() %>%
  mutate(
    percent_avg_value = scales::percent(avg_value, accuracy = 0.01)
  ) %>%
  select(visit_amount, reporting_product, n_reporting_product, percent_avg_value)

结果说明 #

运行后输出的n_reporting_product列就是你需要的统计值：比如就诊次数为One的行，对应HMO的数值就是单次就诊分组下的HMO计划总数量，对应PPO的数值就是单次就诊分组下的PPO计划总数量。

内容的提问来源于stack exchange，提问作者AlexSmith221