R语言变量存在缺失类别时的全类别计数及汇总方法

所有方法的核心逻辑一致：提前为类别变量定义包含全部理论类别的水平集合，利用R因子自带的“记录所有定义水平、即使无观测也纳入统计”的特性，实现未出现类别的0值计数补全。

基础准备 #

首先构造题目中提到的原始观测向量，所有代码均可直接复现：
x <- c("1 1 0", "1 1 0", "1 0 1", "1 1 1", "1 1 0", "0 0 0")
同时根据需求整理出所有理论存在的类别集合，可严格匹配预期输出顺序：
all_levels <- c("0 0 0", "0 0 1", "0 1 0", "1 0 0", "1 1 0", "1 0 1", "0 1 1", "1 1 1")

注：如果你的类别是3位0/1全组合，也可以用代码自动生成全量水平，无需手动输入：
all_levels <- apply(expand.grid(rep(list(c("0","1")), 3)), 1, paste, collapse = " ")
生成后可根据需要调整向量顺序匹配预期排版。

方法1：base R 原生实现（无额外依赖） #

• 第一步：将原始向量转为因子，指定所有理论类别为因子水平
  x_leveled <- factor(x, levels = all_levels)
• 第二步：直接调用table函数统计，未出现的类别会自动计为0
  table(x_leveled)
  运行后输出结果与预期的计数、排序完全一致。

方法2：janitor 包实现（输出为可直接处理的数据框） #

如果需要结构化的统计结果而非table格式的数组，可使用janitor包的tabyl函数：

• 同样先将原向量转为带全量水平的因子，后续直接统计即可

  library(janitor)
  tabyl(factor(x, levels = all_levels))
  

输出为数据框格式，包含每个类别的计数、占比，可直接接入后续数据清洗流程。

方法3：dplyr 链路实现（适配管道式分析流程） #

如果日常使用tidyverse做数据处理，可通过count函数关闭“自动丢弃未出现水平”的参数实现：

library(dplyr)
tibble::tibble(x = x) |>
  count(x = factor(x, levels = all_levels), .drop = FALSE)

关键参数说明：count默认.drop = TRUE，会自动丢弃没有观测的因子水平，设置为FALSE后就会保留所有水平，对无观测的类别输出计数0。

内容的提问来源于stack exchange，提问作者MikeS