如何按指定列Localidad对DataFrame分组行求和并计算指定列均值

你之前使用group_by()搭配rowSums()报错的核心原因是rowSums()是基础包函数，无法识别dplyr的分组状态，会直接对全表逐行计算，导致分组逻辑失效。

实现步骤 #

1. 加载依赖包 #

library(dplyr)

2. 按Localidad分组计算所有数值列的平均值 #

mean_result <- mydataframe %>%
  # 指定按Localidad分组
  group_by(Localidad) %>%
  summarise(
    # 所有数值列计算均值，自动忽略空值
    across(where(is.numeric), mean, na.rm = TRUE),
    # 同一Localidad下相同的非数值列取第一个值即可
    across(where(~!is.numeric(.)), first)
  )

3. 计算各Localidad对应指标的占比 #

如果你需要计算X2.1到X2.9这类指标的占比（单指标值/该Localidad下所有X类指标总和），可以用如下代码：

ratio_result <- mean_result %>%
  # 开启逐行计算模式
  rowwise() %>%
  mutate(
    # 计算当前行所有X开头指标的总和
    x_total = sum(c_across(starts_with("X2."))),
    # 批量生成各X指标的占比列，列名自动加ratio_前缀
    across(starts_with("X2."), ~.x / x_total, .names = "ratio_{.col}")
  ) %>%
  # 关闭逐行计算模式
  ungroup()

如果需要统计每个Localidad的行数占总数据集行数的比例，可以追加如下逻辑：

# 统计各Localidad的行数与占比
count_ratio <- mydataframe %>%
  count(Localidad, name = "row_cnt") %>%
  mutate(row_ratio = row_cnt / sum(row_cnt))

# 合并占比与均值结果
final_result <- left_join(ratio_result, count_ratio, by = "Localidad")

内容的提问来源于stack exchange，提问作者Juan Jesus