能否在不重排dataframe的前提下使用tapply计算分组占比？

你碰到的这个问题是tapply的一个常见“坑”——它默认会按照分组变量的排序后类别返回结果，直接unlist之后，结果的顺序就和原数据框的行顺序完全对不上了。下面给你几个简单的解决方案，都能完美保持原数据的顺序：

方法1：用ave()（最基础的base R方法） #

ave()就是专门用来计算分组统计量并保留原数据顺序的函数，完全适配你的需求：

# 先重现你的示例数据（设置随机种子保证结果可复现）
set.seed(123)
id_df <- data.frame(IDS = c(2,1,2,1), data = sample(1:4,4,replace = T))

# 用ave计算分组比例，自动保持原顺序
id_df$portions <- ave(id_df$data, id_df$IDS, FUN = function(x) x / sum(x))

# 查看结果
id_df

运行后得到的结果完全符合你的期望：

IDS data portions
1   2    3 0.6000000
2   1    4 0.8000000
3   2    2 0.4000000
4   1    1 0.2000000

方法2：用dplyr（tidyverse风格） #

如果你平时习惯用tidyverse工具链，dplyr的分组mutate操作可读性更高，也能轻松搞定：

library(dplyr)

id_df <- id_df %>%
  group_by(IDS) %>%          # 按IDS分组
  mutate(portions = data / sum(data)) %>% # 计算每组内的比例
  ungroup()                  # 取消分组（可选，看后续操作需求）

方法3：用data.table（大数据场景更高效） #

如果你的数据量很大，data.table的分组操作速度会更快，语法也很简洁：

library(data.table)

setDT(id_df)[, portions := data / sum(data), by = IDS]

为什么tapply会出问题？ #

简单说下原因：tapply返回的结果是按照分组变量的排序后水平排列的列表。比如你的示例里，IDS的水平排序后是1、2，所以tapply会先返回所有IDS=1的计算结果，再返回IDS=2的结果。而原数据的行顺序是2,1,2,1，unlist之后的结果顺序就完全错位了，这就是你看到的比例和原行不匹配的核心原因。

内容的提问来源于stack exchange，提问作者unknown