R语言中基于两个变量递进筛选dataframe自动生成统计表格的方法

核心思路是先构造两个变量所有递进阈值的交叉组合，批量计算每个组合对应的统计值后，直接转换为你需要的行列结构的表格，无需逐个手动写filter语句。

完整可运行代码 #

# 加载依赖包
library(tidyverse)

# 构造示例数据集
df <- tibble(
  age = c(45, 50, 55, 60, 65),
  risk = c(5, 45, 70, 80, 50),
  disease = c(1,0,1,1,0)
)

# 定义递进筛选阈值，也可通过seq函数自动生成
# age阈值示例：也可以写为 seq(40, max(df$age), 5) 自动按5岁步长生成所有阈值
age_thresholds <- c(40, 45, 50, 55, 60)
# risk阈值示例：也可以写为 seq(20, max(df$risk), 5) 自动按5分步长生成所有阈值
risk_thresholds <- c(20, 25, 30, 40, 50, 60, 70, 80)

# 批量计算后转成目标表格
result <- crossing(age_thres = age_thresholds, risk_thres = risk_thresholds) %>%
  rowwise() %>%
  summarise(
    age_filter = paste0("age>", age_thres),
    risk_filter = paste0("risk>", risk_thres),
    # 计算患病率，需要统计满足条件的计数时，替换为 count = sum(df$age > age_thres & df$risk > risk_thres)
    prop_dis = sum(df$disease[df$age > age_thres & df$risk > risk_thres]) / sum(df$age > age_thres & df$risk > risk_thres),
    .groups = "drop"
  ) %>%
  # 转换为宽表：行是risk筛选条件，列是age筛选条件
  pivot_wider(
    id_cols = risk_filter,
    names_from = age_filter,
    values_from = prop_dis
  )

# 查看生成的表格
print(result)

补充说明 #

• 结果中出现的NaN代表对应行列的筛选组合下没有符合条件的观测，可以通过replace_na函数批量替换为0或者其他自定义值
• 阈值支持动态生成，不需要手动逐个输入，比如age从40开始每3岁递增到最大年龄可以写为age_thresholds <- seq(40, max(df$age), 3)

内容的提问来源于stack exchange，提问作者Pras_V