R语言如何在data.frame中按指定变量对二元结局进行分组制表

核心逻辑 #

你需要实现的本质，是把相同id、相同月份下的重复记录做折叠，按固定维度（id、month、gender、type）分组，统计每个分组内二元变量outcome取1、取0的记录数，最终将两个计数值展开为独立的outcome1、outcome0列。

实现方案 #

方案1：dplyr 链式聚合（可读性最优） #

这是日常数据处理中最常用的方案，逻辑清晰易维护：

# 提前安装并加载dplyr包（首次使用运行 install.packages("dplyr")）
library(dplyr)

result <- data1 %>%
  # 按所有需要保留的非计数字段分组
  group_by(id, month, gender, type) %>%
  # 分别统计每个组内outcome=1、outcome=0的记录数
  summarise(
    outcome1 = sum(outcome == 1, na.rm = TRUE),
    outcome0 = sum(outcome == 0, na.rm = TRUE),
    .groups = "drop"
  ) %>%
  # 调整列顺序完全匹配目标输出结构
  select(id, outcome1, outcome0, month, gender, type)

运行上述代码得到的结果与你列出的期望输出完全一致，na.rm = TRUE参数可自动跳过组内缺失的outcome记录，避免计数被缺失值干扰。

方案2：base R 原生实现（无第三方依赖） #

如果不想额外安装包，可以直接用R自带的aggregate函数完成聚合：

# 定义组内计数逻辑
count_outcome <- function(x) {
  c(
    outcome1 = sum(x == 1),
    outcome0 = sum(x == 0)
  )
}

# 按维度聚合
result_base <- aggregate(
  outcome ~ id + month + gender + type,
  data = data1,
  FUN = count_outcome
)

# 拆分聚合返回的结果矩阵，整理为目标结构
result_base <- cbind(
  result_base[, c("id", "month", "gender", "type")],
  result_base$outcome
)

方案3：长转宽思路（扩展性更强） #

如果后续outcome的取值维度变多（比如新增取值2、3），可以搭配tidyr的宽表转换逻辑实现自动生成计数列，无需手动写统计规则：

library(tidyr)
result_wide <- data1 %>%
  # 先按所有维度+outcome值统计频次
  count(id, month, gender, type, outcome) %>%
  # 将outcome取值转为独立列，缺失的计数自动填充为0
  pivot_wider(
    names_from = outcome,
    names_prefix = "outcome",
    values_from = n,
    values_fill = 0
  ) %>%
  select(id, outcome1, outcome0, month, gender, type)

注意事项 #

分组时需要把所有不随组内记录变化的字段（本数据中同一id对应的gender、type是固定值）都纳入分组变量，否则聚合时会将这些字段过滤掉，无法得到带完整字段的结果表。

内容的提问来源于stack exchange，提问作者Adrian