R语言如何统计变量取值模式及共同出现的频次

处理思路 #

你需要的统计逻辑可以拆解为三步：

1. 对a、b、c、d四个变量逐个作为目标变量，筛选该变量取值为1的所有行
2. 对筛选出的行，计算a-d四个变量中取值为1的总个数（即目标变量为1，加上其余变量中1的个数）
3. 按总个数分组，对n列求和，最后整理为宽表格式即可

完全可以用plyr包的ddply实现，也可以用tidyverse系列函数实现，两种方法如下：

前置准备 #

你给出的数据集里a-d都是因子类型，我们直接判断取值是否为字符"1"即可，无需额外转换类型，先加载需要的包：

# 用tidyverse实现的话加载
library(tidyverse)
# 用ddply实现的话加载
library(plyr)

方法1：tidyverse实现 #

# 逐个处理每个目标变量
res <- purrr::map_dfr(set_names(c("a","b","c","d")), function(target_var) {
  df %>%
    # 筛选目标变量为1的行
    filter(!!sym(target_var) == "1") %>%
    # 计算当前行a-d中取值为1的总个数
    mutate(k = rowSums(select(., a, b, c, d) == "1")) %>%
    group_by(k) %>%
    summarise(sum_n = sum(n), .groups = "drop")
}, .id = "var") %>%
# 转为你需要的宽格式，缺失值补0
pivot_wider(names_from = k, values_from = sum_n, values_fill = 0)

# 调整为你期望的输出格式
res <- res %>%
  mutate(var = toupper(var)) %>%
  column_to_rownames("var")

输出结果和你给出的期望格式完全一致。

方法2：ddply实现 #

res_ddply <- plyr::ldply(set_names(c("a","b","c","d")), function(target_var) {
  # 筛选目标变量为1的行
  sub_df <- df[df[[target_var]] == "1", ]
  # 处理目标变量没有取1的情况（比如示例中的a变量）
  if(nrow(sub_df) == 0) {
    return(data.frame(`1` = 0, `2` = 0, `3` = 0, check.names = FALSE))
  }
  # 计算每行1的总个数
  sub_df$k <- rowSums(sub_df[, c("a","b","c","d")] == "1")
  # 用ddply分组求和后转宽表
  plyr::ddply(sub_df, .(k), summarise, sum_n = sum(n)) %>%
    pivot_wider(names_from = k, values_from = sum_n, values_fill = 0)
}, .id = "var") %>%
  mutate(var = toupper(var)) %>%
  column_to_rownames("var")

内容的提问来源于stack exchange，提问作者Bcohen