按城市分组统计满足hour>=6的案例数及占比技术问询

嘿，我来帮你搞定这个需求！你已经用aggregate()算出了hour的均值，那咱们把思路稍微扩展一下，就能轻松得到你要的满足hour>=6的案例数和对应占比啦。

先从你给的示例数据开始，咱们先把数据构造出来方便演示：

# 构造示例数据
df <- data.frame(
  city = c("A", "A", "A", "B", "C"),
  hour = c(7, 6, 3, 2, 7)
)

方法1：用你熟悉的aggregate()函数 #

既然你已经在使用aggregate()，那咱们就从这个函数入手。核心思路是先标记每条记录是否满足条件，再分组统计：

1. 先给数据添加一个标记列，把hour>=6的记录标记为1，否则为0：

df$meet_condition <- as.integer(df$hour >= 6)

2. 分别用aggregate()统计每个城市满足条件的案例数，以及总案例数：

# 统计满足条件的数量
count_meet <- aggregate(meet_condition ~ city, data = df, sum)
colnames(count_meet)[2] <- "count_meet"

# 统计每个城市的总案例数
count_total <- aggregate(meet_condition ~ city, data = df, length)
colnames(count_total)[2] <- "count_total"

3. 把两个统计结果合并，再计算占比：

# 合并数据并计算占比
result <- merge(count_meet, count_total, by = "city")
result$proportion <- result$count_meet / result$count_total

运行完上面的代码，result就是你要的结果啦：

city count_meet count_total proportion
1    A          2           3  0.6666667
2    B          0           1  0.0000000
3    C          1           1  1.0000000

（注：你示例里写B的满足数是1，但原数据里B的hour是2，所以实际满足数是0，占比0哦）

方法2：用dplyr更简洁高效（推荐） #

如果愿意尝试更直观的语法，dplyr包的分组操作会让代码更简洁，可读性也更强：

首先确保你安装并加载了dplyr：

install.packages("dplyr") # 如果没安装过的话
library(dplyr)

然后一行流搞定所有统计：

result <- df %>%
  group_by(city) %>%
  summarise(
    count_meet = sum(hour >= 6), # 求和逻辑值，自动转为1/0计算数量
    count_total = n(), # 获取分组内总条数
    proportion = count_meet / count_total
  ) %>%
  ungroup()

这个方法的逻辑和第一种一致，但代码更紧凑，处理大规模数据时效率也更高，日常数据分析里用得很多~

内容的提问来源于stack exchange，提问作者Magal