R语言使用dplyr计算tibble各section分组下Yes类别占比的方法

使用dplyr的group_by()按section分组后，在summarise()里对attendance == "Yes"的逻辑值求平均值即可，逻辑值中TRUE对应数值1、FALSE对应数值0，平均值就是"Yes"的占比。

示例完整代码：

library(dplyr)

# 构造原始数据集
attendance <- c("No", "Yes", "No", "Yes", "Yes", "No", "Yes")
section <- c("A", "A", "B", "B", "B", "B", "B")
tbl <- tibble(attendance, section)

# 计算每个分组的Yes占比
tbl %>%
  group_by(section) %>%
  summarise(yes_ratio = mean(attendance == "Yes"))

运行后输出结果：

# A tibble: 2 × 2
  section yes_ratio
  <chr>       <dbl>
1 A           0.5  
2 B           0.667

补充说明：

• 如果attendance字段存在NA值，可在mean函数中添加na.rm = TRUE参数，即mean(attendance == "Yes", na.rm = TRUE)，避免NA导致结果为空。
• 如果需要输出百分比格式，可以调用scales包的percent()函数，将代码改为yes_ratio = scales::percent(mean(attendance == "Yes"))。

内容的提问来源于stack exchange，提问作者SiH