如何按每100个元素分段统计布尔向量的True/False数量？

嗨，我来帮你搞定这个分段统计布尔向量的问题！你之前的代码是遍历整个向量统计总数，那我们只需要先把向量按每100个元素分组，再对每个组单独统计就好啦。下面给你几种可行的方法，包括你提到的split结合的方式，还有更简洁的替代方案：

方法一：split + lapply + table（最贴合你的思路） #

首先要注意，你之前写的split(vect,10)是不对的，我们需要生成一个分组因子，告诉R怎么把1000个元素分成10组（每组100个）。可以用rep(1:10, each=100)来生成这个分组标记，然后结合split拆分向量，再用lapply对每个分组做统计：

# 先构造示例布尔向量（替换成你的真实数据）
set.seed(123)
vect <- sample(c(TRUE, FALSE), 1000, replace = TRUE)

# 生成分组因子：10组，每组100个元素
groups <- rep(1:10, each = 100)
# 拆分向量
vect_split <- split(vect, groups)

# 对每个分组统计True/False数量
counts <- lapply(vect_split, table)

# 转换为数据框，更直观查看结果
counts_df <- do.call(rbind, counts)
colnames(counts_df) <- c("FALSE", "TRUE")  # 布尔型的table默认按FALSE、TRUE排序
rownames(counts_df) <- paste0("Group_", 1:10)

运行后counts_df就是每个分组的统计结果，比如Group_1对应的行就是第1-100个元素的True/False数量。

方法二：tapply（更简洁的基础R方法） #

如果你不想拆分向量，可以直接用tapply对每个分组做统计，利用R中TRUE=1、FALSE=0的特性，sum()就能直接得到True的数量：

# 同样先定义分组因子
groups <- rep(1:10, each = 100)

# 统计每个分组的True数量
true_counts <- tapply(vect, groups, sum)
# 计算每个分组的False数量（每组总长度100，减去True的数量）
false_counts <- tapply(vect, groups, function(x) length(x) - sum(x))

# 合并成结构化的数据框
result_df <- data.frame(
  Group = paste0("Group_", 1:10),
  True_Count = true_counts,
  False_Count = false_counts
)

方法三：dplyr（tidyverse风格，适合数据处理场景） #

如果你熟悉tidyverse生态，用dplyr的分组统计会更直观，代码可读性更高：

library(dplyr)

result_df <- tibble(
  value = vect,          # 把布尔向量转为数据框列
  group = rep(1:10, each = 100)  # 添加分组列
) %>%
  group_by(group) %>%    # 按分组聚合
  summarise(
    True_Count = sum(value),       # 统计True数量
    False_Count = n() - True_Count # 计算False数量
  ) %>%
  ungroup() %>%
  mutate(group = paste0("Group_", group)) # 美化分组名称

为什么你原来的代码只统计总数？ #

你之前的循环是遍历整个vect的所有元素，没有引入分组逻辑，所以会把所有True/False累加起来，得到的是整个向量的总数。而上面的方法都是先把向量按100个元素拆分/分组，再对每个组单独统计，自然就能得到分段的结果啦。

内容的提问来源于stack exchange，提问作者imantha