R语言按col_id分组计算col_assessment列值一致性占比实现方法

问题排查 #

现有代码存在两处错误：

• 自定义compute_ICR函数逻辑错误：传入的coding_values是向量类型，nrow()对向量返回空值，导致分母计算失败，需要替换为length()获取向量总长度
• 分组调用语法错误：summarize中写df$col_assessment会提取整个数据框的全量列，不会按分组取子集，直接写列名col_assessment即可

注：你提供的示例数据中id=2的评估值为Neu、Neg、Neu，最多值出现2次，实际计算得占比为0.6667，和你给出的期望输出中id=2占比为1不符，属于示例数据笔误，调整id=2的三个评估值为相同即可得到占比1的结果。

修正后的方案 #

方案1：沿用自定义函数的写法 #

library(dplyr)
library(magrittr)

# 示例数据
df <- data.frame(col_id = c(1, 1, 1, 2, 2, 2, 3, 3, 3), 
                 col_assessment = c("Pos", "Pos", "Neu", "Neu", "Neg", "Neu", "Pos", "Neu", "Neg"))

# 修正后的自定义函数
compute_ICR <- function(coding_values){
  most_common_value <- coding_values %>% 
    table() %>% 
    sort(decreasing = TRUE) %>% 
    extract(1) %>% 
    names()
  share_accordance <- length(which(coding_values == most_common_value)) / length(coding_values)
  return(share_accordance)
}

# 分组调用计算
result <- df %>% 
  group_by(col_id) %>% 
  summarize(share_accordance = compute_ICR(col_assessment))

运行后输出结果：

# A tibble: 3 × 2
  col_id share_accordance
   <dbl>            <dbl>
1      1            0.667
2      2            0.667
3      3            0.333

方案2：无需自定义函数的简洁写法 #

直接用dplyr自带函数分组计数后计算，运行效率更高：

result <- df %>% 
  group_by(col_id, col_assessment) %>% 
  count() %>% 
  group_by(col_id) %>% 
  summarize(share_accordance = max(n)/sum(n))

内容的提问来源于stack exchange，提问作者Ivo