不同分组下嵌套dplyr::summarise 无需left_join的实现咨询

直接在同一管道流里就能完成两类统计，完全不用跨表关联，比原写法更简洁：

data %>%
  # 按BMI分组提前算出全组的高WC占比，给组内每个样本赋同一个值
  group_by(bmiclass) %>%
  mutate(risk.wc = sum(wcclass) / n() * 100) %>%
  # 切到BMI+WC双维度分组，计算细分维度的死亡风险
  group_by(bmiclass, wcclass) %>%
  summarise(
    risk.death = sum(deceased) / n() * 100,
    # 组内的高WC占比是固定值，提取任意样本的结果即可
    risk.wc = first(risk.wc)
  )

逻辑说明 #

• 核心思路是把“按BMI分组的高WC占比”归为BMI组的固定属性：在原始数据层面给所有同BMI的样本打上对应占比的标签，后续拆分WC分组时，这个值不会随分组变化
• 用first()提取占比是因为同分组内的该值完全一致，取哪个位置的结果都相同，比起两次分组再加left_join的写法，少了一步数据拆分和键值匹配的过程，执行效率更高
• 最终输出的统计结果和你之前用关联方法得到的结果完全一致，没有任何数值偏差

内容的提问来源于stack exchange，提问作者Devanto