如何将按id分组的条件统计百分比列添加至原始DataFrame

嘿，我来帮你搞定这个需求：针对每个id，统计当relevant=1时，choice=1的记录占该id下所有relevant=1记录的百分比，再把这个百分比作为新列pct1加到原始数据的每一行里。我会先保留你提到的通用无筛选方案，再给你针对性的正确解法。

一、通用占比计算方案（无筛选逻辑，保留原实用案例） #

如果是计算每个id下choice=1的整体占比（不限制relevant的取值），这个简洁方案很实用：

library(dplyr)
df <- df %>%
  group_by(id) %>%
  mutate(pct_overall = 100 * sum(choice == 1) / n()) %>%
  ungroup()

它会给同一个id的所有行都添加上该id下choice=1的总占比，适合不需要限定relevant的场景。

二、针对你的筛选需求的正确解法 #

你之前尝试的代码出问题，主要是分组逻辑和计算逻辑没对齐——你同时按id和relevant分组，导致计算的是每个(id, relevant)组合内的占比，而不是整个id下relevant=1子集的占比。下面给你两种靠谱的解法：

方法1：分步计算+左连接（逻辑清晰） #

这种方式拆分步骤，容易理解和调试：

library(dplyr)

# 第一步：单独计算每个id对应的pct1值
pct_calc <- df %>%
  filter(relevant == 1) %>%  # 只筛选relevant=1的记录
  group_by(id) %>%
  summarise(pct1 = 100 * sum(choice == 1) / n(), .groups = "drop")

# 第二步：把计算好的pct1合并回原始数据框，同时处理无relevant=1记录的情况
df_final <- df %>%
  left_join(pct_calc, by = "id") %>%
  mutate(pct1 = replace_na(pct1, 0))  # 没有符合条件记录的id，pct1设为0

用你的示例数据跑这个代码，就能得到你想要的结果：id=1的所有行pct1都是50，id=2的都是0。

方法2：分组内一步计算（更简洁） #

如果不想额外做连接，可以直接在分组内完成计算，逻辑更紧凑：

library(dplyr)

df_final <- df %>%
  group_by(id) %>%
  mutate(
    # 统计当前id下relevant=1且choice=1的记录数
    target_count = sum(relevant == 1 & choice == 1),
    # 统计当前id下relevant=1的总记录数
    total_relevant = sum(relevant == 1),
    # 计算占比，同时避免除以0的情况
    pct1 = ifelse(total_relevant == 0, 0, 100 * target_count / total_relevant)
  ) %>%
  select(-target_count, -total_relevant) %>%  # 移除中间计算用的临时列
  ungroup()

这个方案直接在原始数据上操作，同样能输出你期望的结果。

为啥你的原代码不对？ #

你写的x = df %>% group_by(id, relevant) %>% mutate(pct1 = 100*sum(relevant==1 & choice==1)/n())有两个问题：

• 按id和relevant分组后，每个分组是(id, relevant)的组合，比如id=1会被分成(1,0)和(1,1)两组，计算的占比只是当前组内的，不是整个id下relevant=1的占比。
• 在relevant=0的分组里，sum(relevant==1 & choice==1)结果是0，分母是该组的行数，会得到错误的百分比数值。

内容的提问来源于stack exchange，提问作者sautedman