R语言DataFrame按VARIAVEL根值（第二个下划线前）与TYPE聚合计算占比

嘿，这就帮你把这个R语言DataFrame的占比计算需求搞定！结合你已经开始用stringr提取根变量的思路，咱们用dplyr配合来完成整个流程，步骤清晰又实用：

1. 提取VARIAVEL的根值字段 #

首先咱们要把VARIAVEL里第二个下划线之前的内容提取出来作为根变量，这里有两种稳妥的方法：

方法一：用正则表达式快速匹配 #

用stringr的str_extract函数，正则^[^_]+_[^_]+可以精准匹配从开头到第二个下划线的内容：

library(dplyr)
library(stringr)

# 假设你的原始数据框名为df
df <- df %>%
  mutate(root_var = str_extract(VARIAVEL, "^[^_]+_[^_]+"))

方法二：拆分后拼接（兼容特殊格式） #

如果你的VARIAVEL存在少于两个下划线的特殊情况，用str_split拆分后取前两个元素再拼接会更稳妥：

df <- df %>%
  mutate(root_var = str_split(VARIAVEL, "_") %>% 
           purrr::map_chr(~paste(.[1:2], collapse = "_")))

2. 分组计算占比 #

接下来按根变量（root_var）和TYPE分组，先计算每组的总VALOR，再用每行的VALOR除以组总计得到占比，还可以转成百分比格式：

# 如果需要百分比格式，先加载scales包
library(scales)

df_with_ratio <- df %>%
  group_by(root_var, TYPE) %>%
  mutate(
    # 计算每组的VALOR总和，忽略缺失值
    group_total = sum(VALOR, na.rm = TRUE),
    # 计算占比（小数形式）
    valor_ratio = VALOR / group_total,
    # 转成带一位小数的百分比字符串，和你示例的51.1%一致
    valor_percent = percent(valor_ratio, accuracy = 0.1)
  ) %>%
  ungroup()

示例验证 #

拿你提到的例子测试一下，假设原始数据是这样的：

# 示例测试数据
df <- tibble(
  VARIAVEL = c("CLI_RELAC_01", "CLI_RELAC_02", "OPER_RELAC_01", "OPER_RELAC_02"),
  TYPE = c("A", "A", "B", "B"),
  VALOR = c(450, 430, 200, 300)
)

运行代码后，CLI_RELAC+TYPE=A组的总计是880，450对应的占比就是450/880≈51.1%，完全符合你的需求~

小提示 #

• 如果不需要百分比字符串，只保留小数占比的话，删掉valor_percent那一行即可
• 如果有缺失值，na.rm = TRUE能保证分组总和计算不会出错

内容的提问来源于stack exchange，提问作者Nizam