在R中按地理区域分组后统计数据框变量的不同值计数

你想要按地理区域分组，统计某个变量不同取值（包括NA）的出现次数，用tidyverse工具完全可以实现，之前的代码问题在于没有指定要统计的目标变量，也没设置正确的计数逻辑。下面给你几种实用的方法：

方法1：用count()快速统计单个变量的分组分布 #

count()是group_by()+summarize(n())的语法糖，用起来非常简洁，还能保留NA的分组：

# 按WHOregion分组，统计UrbanSanPol各值的数量（包含NA）
df %>%
  count(WHOregion, UrbanSanPol, .drop = FALSE)

• .drop = FALSE参数会保留所有可能的分组组合，哪怕某个区域没有某个取值（比如某区域没有0，也会显示该行，计数为0），如果不需要可以去掉这个参数。
• 运行后会得到三列：区域、变量值、对应计数，完全符合你的需求。

方法2：用group_by()+summarize()手动实现 #

如果你更习惯用summarize()，可以这样写，效果和上面一致：

df %>%
  group_by(WHOregion, UrbanSanPol, .drop = FALSE) %>%
  summarize(count = n(), .groups = "drop")

• .groups = "drop"是让结果回到普通dataframe，避免后续操作受分组状态影响。

方法3：统计多个变量的分组分布 #

如果需要同时统计多个变量（比如UrbanSanPol、UrbanSanWom），可以先把数据转成长格式再统计：

df %>%
  # 保留分组列和需要统计的变量列
  select(WHOregion, UrbanSanPol, UrbanSanWom) %>%
  # 把多个变量转成"变量名-变量值"的长格式
  pivot_longer(cols = -WHOregion, names_to = "variable", values_to = "value") %>%
  # 按区域、变量、值分组计数
  group_by(WHOregion, variable, value, .drop = FALSE) %>%
  summarize(count = n(), .groups = "drop")

这样一次性就能得到所有目标变量在各区域的取值分布。

方法4：单独统计各值（含NA）为列 #

如果你希望把每个取值的计数作为单独的列展示（比如count_0、count_1、count_NA），可以用sum()结合条件判断：

df %>%
  group_by(WHOregion) %>%
  summarize(
    count_0 = sum(UrbanSanPol == "0", na.rm = TRUE),
    count_1 = sum(UrbanSanPol == "1", na.rm = TRUE),
    count_NA = sum(is.na(UrbanSanPol))
  )

• na.rm = TRUE确保计算时忽略NA值对求和的影响，准确统计对应取值的数量。

为什么你的原代码没生效？ #

你之前写的df %>% group_by(region) %>% summarize(count)没有指定计数的逻辑，也没有按要统计的变量分组，所以最终只会得到每个区域的总行数，而不是各取值的分布。

内容的提问来源于stack exchange，提问作者user1778351