R语言使用svytable做加权统计时如何过滤指定类别样本？

有两种常用的实现方式，优先推荐第一种，符合survey包的加权计算规范：

方法1：直接对加权设计对象做子集筛选 #

survey包支持直接对svydesign生成的设计对象使用subset()筛选样本，不会丢失权重、分层、整群等抽样设计信息，代码如下：

# 先筛选UN_sumaAC_R大于0的样本，生成子设计对象
sub_design <- subset(f_design, UN_sumaAC_R > 0)
# 计算加权占比
round(100*prop.table(svytable(~UN_sumaAC_R, design = sub_design)),2)

按你之前给出的全量加权频数结果，运行后输出应为：

UN_sumaAC_R
    1    10   100 
97.42  0.74  1.84 

方法2：手动处理全量加权表结果 #

如果不想额外生成子设计对象，也可以先算出全量加权频数后，剔除0对应的取值再计算占比：

# 先获取全量加权频数
full_tab <- svytable(~UN_sumaAC_R, design = f_design)
# 剔除取值为0的行后计算占比
round(100*prop.table(full_tab[names(full_tab) != "0"]),2)

补充说明 #

如果你更习惯tidyverse的语法，可以安装加载srvyr包，它对survey包做了tidy语法适配，可以直接用filter()对设计对象做筛选，代码逻辑和你处理非加权数据时一致：

library(srvyr)
f_design %>% 
  filter(UN_sumaAC_R > 0) %>% 
  survey_count(UN_sumaAC_R, wt = NULL, sort = FALSE) %>% 
  mutate(percent = 100 * n / sum(n))

内容的提问来源于stack exchange，提问作者Sergio