R语言DataFrame按学期分组统计X变量各数值出现次数

这里有几种实用的方法能帮你实现需求，完美避开把Semester列计入统计的问题，还能得到你想要的输出格式：

方法1：使用tidyverse工具（dplyr + tidyr） #

这种方法通过数据重塑和分组统计，逻辑清晰且代码简洁：

library(dplyr)
library(tidyr)

# 处理数据并生成结果
result <- df %>%
  # 将所有X开头的列转为长格式，自动排除Semester列
  pivot_longer(cols = starts_with("X"), names_to = "variable", values_to = "value") %>%
  # 移除缺失值，只统计有效数值
  drop_na(value) %>%
  # 按学期和数值分组，计算出现次数
  count(Semester, value) %>%
  # 转回宽格式，给列名加上n_前缀，缺失数值补0
  pivot_wider(names_from = value, values_from = n, names_prefix = "n_", values_fill = 0) %>%
  # 按学期排序，并调整列顺序匹配示例输出
  arrange(Semester) %>%
  select(Semester, n_7, n_6, n_5, n_4, n_3, n_2, n_1)

# 查看结果
print(result)

步骤说明： #

• pivot_longer：把X1-X7的宽格式数据转为长格式，直接过滤掉了Semester列，只保留需要统计的变量。
• drop_na：剔除值为NA的行，避免干扰计数结果。
• count：完成分组计数，统计每个学期中每个数值的出现次数。
• pivot_wider：将长格式数据转回你需要的宽格式，values_fill=0保证没有出现过的数值显示为0，不会遗漏。
• 最后通过arrange和select调整顺序，完全匹配你给出的示例输出结构。

方法2：使用base R的by()函数（适配你最初的尝试） #

如果你更习惯用base R，可以修改你原来的by()函数逻辑，明确指定只处理X列：

# 定义自定义统计函数
count_x_values <- function(sub_df) {
  # 筛选所有以X开头的列，提取数据并转为向量
  x_data <- unlist(sub_df[, grepl("^X", colnames(sub_df))])
  # 移除缺失值
  x_data <- x_data[!is.na(x_data)]
  # 统计1-7每个数值的出现次数（强制包含所有1-7的级别，缺失的数值计数为0）
  value_counts <- table(factor(x_data, levels = 1:7))
  
  # 整理成目标格式的数据框
  data.frame(
    Semester = unique(sub_df$Semester),
    n_7 = value_counts["7"],
    n_6 = value_counts["6"],
    n_5 = value_counts["5"],
    n_4 = value_counts["4"],
    n_3 = value_counts["3"],
    n_2 = value_counts["2"],
    n_1 = value_counts["1"],
    stringsAsFactors = FALSE
  )
}

# 按Semester分组处理，并合并结果
result_base <- do.call(rbind, by(df, df$Semester, count_x_values))

# 查看结果
print(result_base)

步骤说明： #

• grepl("^X", colnames(sub_df))：精准筛选出所有X开头的列，彻底排除Semester列的干扰。
• factor(x_data, levels = 1:7)：确保统计时覆盖1到7的所有数值，即使某个数值在该学期没有出现，也会返回0而不是忽略。
• do.call(rbind, ...)：把by()返回的多个子数据框合并成一个完整的结果数据框。

内容的提问来源于stack exchange，提问作者Chris