基于双变量计算唯一观测值计数与占比的R语言实现问题

解决方案 #

你可以使用dplyr + tidyr组合完成统计，核心是先按date、class、ID、type去重，避免同一ID多次重复计数，再分组计算占比：

library(tidyverse)

result <- data %>%
  # 转日期格式，去掉时分秒仅保留年月日
  mutate(date = as.Date(date)) %>%
  # 按维度去重：同一date/class/ID下相同type仅保留1条记录
  distinct(date, class, ID, type) %>%
  # 按日期、班级分组
  group_by(date, class) %>%
  # 统计每个type对应的唯一ID数量
  count(type, name = "id_cnt") %>%
  # 计算占比，保留整数百分比格式
  mutate(perc = scales::percent(id_cnt / sum(id_cnt), accuracy = 1)) %>%
  # 转换为宽表格式匹配你需要的输出
  select(-id_cnt) %>%
  pivot_wider(names_from = type, values_from = perc, names_prefix = "type") %>%
  # 可选：补全不存在的type列，无对应数据时默认填充0%
  complete(type1 = "0%", type2 = "0%", type3 = "0%") %>%
  ungroup()

# 查看输出结果
print(result)

运行后输出示例：

# A tibble: 8 × 5
  date       class type1 type2 type3
  <date>     <dbl> <chr> <chr> <chr>
1 2021-01-15     1 50%   50%   0%   
2 2021-01-15     2 0%    0%    100%  
3 2021-01-15     3 100%  0%    0%   
4 2021-01-17     1 100%  0%    0%   
5 2021-01-17     2 50%   50%   0%   
6 2021-01-17     3 0%    0%    100%  
7 2021-01-17     5 100%  0%    0%   

如果不需要自动补全无数据的type列，删除complete那行代码即可。

内容的提问来源于stack exchange，提问作者user13069688