如何在R中计算各列哑变量(Yes/No)的取值百分比

以下两种方案均支持批量处理数百列的场景，你可以根据自己的使用习惯选择：

方案1：基础R实现（无需安装额外依赖） #

直接用apply遍历所有列，结合table和prop.table计算占比即可：

VAR01 <- c('Yes', 'No', 'Yes', 'Yes', 'No', 'No')
VAR02 <- c('No', 'No', 'Yes', 'No', 'No', 'Yes')
VAR03 <- c('Yes', 'Yes', 'No', 'Yes', 'No', 'Yes')
data <- data.frame(VAR01, VAR02, VAR03)

# 按列遍历计算占比
col_ratio <- apply(data, 2, function(col) {
  prop.table(table(col))
})

# 转置为易读的数据框格式，行对应原数据列，列对应Yes/No占比
col_ratio_df <- as.data.frame(t(col_ratio))
print(col_ratio_df)

运行后输出结果示例：

No       Yes
VAR01 0.5000000 0.5000000
VAR02 0.6666667 0.3333333
VAR03 0.3333333 0.6666667

方案2：tidyverse实现（灵活性更高，适合后续分析） #

如果你习惯用tidyverse生态的工具，用across可以更灵活的选择需要计算的列：

library(dplyr)
library(tidyr)

col_ratio_df <- data %>%
  # 这里的everything()可以替换为starts_with("VAR")等匹配规则，筛选需要处理的列
  summarise(across(everything(), ~prop.table(table(.x)))) %>%
  pivot_longer(everything(), names_to = "变量名", values_to = "占比") %>%
  # 新增取值列标识是Yes还是No的占比
  mutate(取值 = names(占比), .after = 变量名)

print(col_ratio_df)

如果需要输出百分比格式，把prop.table(table(.x))替换为scales::percent(prop.table(table(.x)))即可。

内容的提问来源于stack exchange，提问作者JRaanaas