R语言中如何使用group by分组计算百分位数？

你的代码存在两个核心问题：

1. 使用group_by(逻辑条件)会同时生成条件成立（TRUE）、**条件不成立（FALSE）**两个分组的统计结果，两次运行时如果你都误取了FALSE组的结果，就会出现统计值完全相同的情况（两个FALSE组对应都是结果为FALSE的同一批样本）。
2. 你仅需要计算取值为TRUE的样本统计量，不需要分组操作，直接筛选符合条件的行再计算即可，逻辑更简洁不易出错。

方案1：保留dplyr语法 #

library(dplyr)
# 计算result_2010为TRUE的统计量
stat_2010 <- DT1 %>%
  filter(result_2010 == "TRUE") %>%
  summarise(
    "10.quantile" = round(quantile(years, 0.1), digits = 1),
    "25.quantile" = round(quantile(years, 0.25), digits = 1),
    "Median" = round(quantile(years, 0.5), digits = 1),
    "75.quantile" = round(quantile(years, 0.75), digits = 1),
    "90.quantile" = round(quantile(years, 0.9), digits = 1),
    "Mean" = round(mean(years), digits = 1)
  )

# 计算result_2011为TRUE的统计量
stat_2011 <- DT1 %>%
  filter(result_2011 == "TRUE") %>%
  summarise(
    "10.quantile" = round(quantile(years, 0.1), digits = 1),
    "25.quantile" = round(quantile(years, 0.25), digits = 1),
    "Median" = round(quantile(years, 0.5), digits = 1),
    "75.quantile" = round(quantile(years, 0.75), digits = 1),
    "90.quantile" = round(quantile(years, 0.9), digits = 1),
    "Mean" = round(mean(years), digits = 1)
  )

方案2：纯data.table语法（效率更高，适合大数据量） #

# 计算result_2010为TRUE的统计量
stat_2010 <- DT1[result_2010 == "TRUE", .(
  "10.quantile" = round(quantile(years, 0.1), 1),
  "25.quantile" = round(quantile(years, 0.25), 1),
  "Median" = round(quantile(years, 0.5), 1),
  "75.quantile" = round(quantile(years, 0.75), 1),
  "90.quantile" = round(quantile(years, 0.9), 1),
  "Mean" = round(mean(years), 1)
)]

# 计算result_2011为TRUE的统计量
stat_2011 <- DT1[result_2011 == "TRUE", .(
  "10.quantile" = round(quantile(years, 0.1), 1),
  "25.quantile" = round(quantile(years, 0.25), 1),
  "Median" = round(quantile(years, 0.5), 1),
  "75.quantile" = round(quantile(years, 0.75), 1),
  "90.quantile" = round(quantile(years, 0.9), 1),
  "Mean" = round(mean(years), 1)
)]

可选优化：一次计算所有年份的统计结果 #

如果后续有更多result_年份字段，可转换为长表一次计算，避免重复写代码：

library(data.table)
stat_all <- melt(DT1, measure.vars = patterns("^result_"))[value == "TRUE", .(
  "10.quantile" = round(quantile(years, 0.1), 1),
  "25.quantile" = round(quantile(years, 0.25), 1),
  "Median" = round(quantile(years, 0.5), 1),
  "75.quantile" = round(quantile(years, 0.75), 1),
  "90.quantile" = round(quantile(years, 0.9), 1),
  "Mean" = round(mean(years), 1)
), by = variable]

输出结果中variable列会区分对应的年份字段，所有统计值合并在同一张表中。

内容的提问来源于stack exchange，提问作者Besz15