如何按单列分组统计另一列特定值占比，有更高效的R实现方法吗？

高效实现方案 #

你原来的实现需要多次拆分数据集、分组计算再关联，大数据量下会产生大量不必要的性能开销。只需要一次分组即可完成计算，核心逻辑是利用R中逻辑值的数值属性（TRUE对应1，FALSE对应0），对cyl == 6的判断结果求均值，就是该取值在分组内的占比：

library(dplyr)

# 示例数据准备（修正原group列赋值的不规范写法，避免长度不匹配的隐式循环风险）
dat <- mtcars %>% 
  filter(cyl >=6) %>%
  mutate(group = rep(1:3, length.out = n()))

# 一步计算占比
cyl_data <- dat %>%
  group_by(group) %>%
  summarise(
    six_cyl_prop = mean(cyl == 6),
    .groups = "drop"
  )

如果需要同时保留两个取值的计数，也可以在同一次分组中完成：

cyl_data <- dat %>%
  group_by(group) %>%
  summarise(
    count_6 = sum(cyl == 6),
    count_8 = sum(cyl == 8),
    six_cyl_prop = count_6/(count_6 + count_8),
    .groups = "drop"
  )

以上方案仅对数据集做1次遍历分组计算，没有多余的拆分、关联操作，性能远高于你当前的实现，数据量级越大优势越明显。

如果你的数据集规模极大，还可以使用data.table实现进一步的性能提升：

library(data.table)
# 转换为data.table格式
setDT(dat)
# 按group分组计算占比
cyl_data <- dat[, .(six_cyl_prop = mean(cyl == 6)), by = group]

内容的提问来源于stack exchange，提问作者Tjn25