R语言group_by分组后计算满足条件行占比的最优实现方法

原生实现方案 #

你要计算的是同一天气分组下，不同运动的计数占当前天气总计数的比例，利用dplyr的分组层级特性就能直接实现，无需额外自定义函数，避免了冗余的全表过滤操作，效率远高于原有实现。

方案1：纯dplyr管道实现（最常用） #

library(dplyr)

data %>%
  # 先按天气做一级分组
  group_by(weather) %>%
  # 统计当前天气下每个运动对应的天数
  count(sport, name = "days") %>%
  # 直接计算占比：sum(days)就是当前天气分组的总天数
  mutate(percentage = days / sum(days))

如果需要输出百分比格式，可以额外加一行调用scales包的格式化函数：

mutate(percentage = scales::percent(percentage, accuracy = 0.1))

方案2：base R原生实现（无需加载第三方包，效率最高） #

直接用基础函数生成按天气维度计算的占比交叉表：

# margin=1 指定按行（天气维度）计算占比，每行求和结果为1
prop.table(table(data$weather, data$sport), margin = 1)

方案3：分组后直接汇总实现 #

如果需要保留group_by(weather, sport)的写法，可以用.groups参数控制分组保留层级：

data %>%
  group_by(weather, sport) %>%
  summarise(count = n(), .groups = "drop_last") %>%
  # drop_last会保留weather层级的分组，sum(count)即对应天气的总天数
  mutate(percentage = count / sum(count))

内容的提问来源于stack exchange，提问作者coderboi