如何在R中统计各唯一ID对应的0和1值的出现次数？

嘿，我太懂用for循环处理几百个ID时的繁琐了——不仅代码长，运行起来还慢，尤其是数据量一大的时候！其实R里有好几种简洁又高效的方法，完全能替代循环来完成这个统计任务，下面我给你详细讲讲：

首先，先模拟一个和你场景类似的数据集，方便你测试：

# 生成包含500个唯一ID的模拟数据
set.seed(123) # 固定随机种子方便复现
df <- data.frame(
  ID = sample(paste0("ID", 1:500), 10000, replace = TRUE),
  value = sample(c(0, 1), 10000, replace = TRUE)
)

方法1：用Base R的table()函数 #

这是最直接的方法，一行代码就能得到交叉统计结果：

# 生成ID和value的交叉计数表
count_table <- table(df$ID, df$value)

# 如果想转成更易读的数据框格式
count_df <- as.data.frame.matrix(count_table)
colnames(count_df) <- c("Count0", "Count1")

这个方法的优点是不用额外装包，代码极简，适合快速查看结果。

方法2：用Base R的aggregate()函数 #

如果你想直接得到每个ID对应的0/1次数作为数据框的列，可以用aggregate()：

# 按ID分组统计0和1的次数
result <- aggregate(value ~ ID, data = df, FUN = function(x) {
  c(Count0 = sum(x == 0), Count1 = sum(x == 1))
})

# 将嵌套的结果展开成常规数据框
result <- do.call(data.frame, result)

这个方法同样基于Base R，不需要依赖第三方包，适合喜欢原生R语法的朋友。

方法3：用tidyverse的dplyr（推荐） #

如果你平时用tidyverse生态，dplyr的语法会更直观易懂，可读性拉满：

library(dplyr)

# 分组后直接统计0和1的次数
result_df <- df %>%
  group_by(ID) %>%
  summarize(
    Count0 = sum(value == 0),
    Count1 = sum(value == 1),
    .groups = "drop" # 取消分组状态
  )

或者用count()结合pivot_wider，逻辑更清晰：

library(dplyr)
library(tidyr)

result_df <- df %>%
  count(ID, value) %>%
  pivot_wider(
    names_from = value,
    values_from = n,
    names_prefix = "Count",
    values_fill = 0 # 确保没有出现的value次数为0
  )

这个方法的优势是代码逻辑和自然语言几乎一致，后续如果要做进一步的数据处理也非常方便。

为什么不用for循环？ #

R是向量化编程语言，内置的这些统计函数都是经过底层优化的，处理大数据时的速度比手动写for循环快得多，而且代码更简洁，不容易出错。

内容的提问来源于stack exchange，提问作者Userbird14