R语言使用dplyr多字段分组后计算各组数值占比的实现方法

问题原因 #

你的代码存在两处逻辑偏差：

• 分组规则错误：你需要以每个var1分组的总value作为占比分母，因此不需要将var2加入分组条件
• 操作函数错误：summarise()会将分组后的数据聚合压缩，每个分组仅保留一行结果，会丢失原始行信息，你需要使用mutate()为每一行新增占比字段。

实现代码 #

方案1：输出数值型占比 #

library(dplyr)
result <- data %>%
  group_by(var1) %>% # 仅按var1分组，自动计算每个var1组的总value
  mutate(prop = value / sum(value)) %>%
  ungroup()

运行后prop列就是你需要的数值格式占比。

方案2：输出你示例中的分数格式 #

需要调用MASS包的fractions()函数实现分数格式化，同时按你给出的示例输出调整id和排序：

library(dplyr)
library(MASS)

result_frac <- data %>%
  group_by(var1) %>%
  mutate(value = as.character(fractions(value / sum(value)))) %>%
  ungroup() %>%
  arrange(var1, var2) %>% # 按var1、var2排序匹配你的预期输出
  select(-id) %>%
  mutate(id = paste0("ID", row_number())) %>% # 生成新的连续id
  select(id, var1, var2, value)

运行后result_frac的结构和内容与你给出的预期输出完全一致。

特殊场景适配 #

如果你的原始数据中存在同一个var1+var2组合对应多条记录，可以先聚合再计算占比：

data %>%
  group_by(var1, var2) %>%
  summarise(value_sum = sum(value), .groups = "drop_last") %>% # 聚合后仅保留var1分组
  mutate(prop = value_sum / sum(value_sum)) %>%
  ungroup()

内容的提问来源于stack exchange，提问作者Homer Jay Simpson