按分组计算分类变量的各类别频数

嘿，我来帮你搞定这个分组统计分类变量各水平频数的需求！下面分R和Python两种常用数据分析工具给你具体实现方法，你可以根据自己的使用场景来选～

在R中实现分组计算分类变量频数 #

方法一：用dplyr（推荐，灵活易读） #

假设你的数据集叫df，分组变量是group_var，分类变量是fact（水平为fact1、fact2、fact3）。

1. 先加载dplyr和tidyr包（如果没装的话先跑install.packages(c("dplyr", "tidyr"))）：

library(dplyr)
library(tidyr)

2. 执行分组统计并转成宽格式：

result_df <- df %>%
  # 按分组变量和分类变量一起分组
  group_by(group_var, fact) %>%
  # 计算每组的频数
  summarise(count = n(), .groups = "drop") %>%
  # 把长格式转成宽格式，缺失的水平用0填充
  pivot_wider(names_from = fact, values_from = count, values_fill = 0)

这样得到的result_df就是每个分组下fact1、fact2、fact3各自的频数，没有出现的水平会显示0，完全符合你的需求。

方法二：用基础R的table函数（快速简洁） #

如果不需要转成数据框格式，只是想看交叉频数表，直接用：

table(df$group_var, df$fact)

这个会生成一个矩阵，行是分组，列是fact的三个水平，值就是对应频数，非常直观。

在Python中实现分组计算分类变量频数 #

方法一：用pandas的crosstab函数（最便捷） #

假设你的数据集是df，分组变量group_var，分类变量fact。先导入pandas：

import pandas as pd

然后一行代码搞定：

result_df = pd.crosstab(df['group_var'], df['fact'])

crosstab会自动统计每个分组下各分类水平的频数，缺失的水平默认补0，直接得到你想要的宽格式结果。

方法二：用groupby结合value_counts #

如果你需要更灵活的中间处理，可以用这个方式：

result_df = df.groupby('group_var')['fact'].value_counts().unstack(fill_value=0)

解释一下：groupby('group_var')['fact'].value_counts()先按分组统计每个fact水平的出现次数，unstack把索引转成列，fill_value=0确保没有的水平显示0，最终结果和crosstab一致。

不管用哪种方法，都能完美实现“按分组计算分类变量各水平频数”的需求，要是你的分组变量或者分类变量名称不一样，直接替换代码里的group_var和fact就行啦！

内容的提问来源于stack exchange，提问作者user1389960