如何在R中实现类似Excel PivotTable的变量出现次数统计？

Hey there! I totally get wanting to replicate that familiar Excel PivotTable experience in R—counting how often a variable shows up is such a common task, and there are a few straightforward ways to pull this off. Let me walk you through the most reliable methods with code examples you can test right away.

If you want a no-frills, built-in solution, table() is your go-to. It instantly counts occurrences of each value in your variable, and you can easily convert the result to a data frame for a PivotTable-like structure.

Suppose your data frame is named df, and the variable you want to count is product_category:

# 生成频次表
freq_table <- table(df$product_category)

# 转换为数据框（匹配Excel的表格输出格式）
freq_df <- as.data.frame(freq_table)
colnames(freq_df) <- c("Product Category", "Count") # 重命名列让结果更易读
print(freq_df)

• 注意：如果你的数据包含NA值，table()默认会把它作为单独类别统计。如果要排除NA，可以用table(df$product_category, useNA = "no")。

如果你习惯用tidyverse生态系统（R中非常流行的数据处理工具集），dplyr提供了两种简洁的实现方式——非常适合和其他数据清洗步骤链式操作。

首先确保你安装并加载了dplyr：

install.packages("dplyr") # 只需运行一次
library(dplyr)

2.1 简化版：使用count() #

这是分组+统计的快捷写法：

df %>%
  count(product_category, name = "Count") # 用`name`参数自定义计数列的名称

2.2 灵活版：group_by() + summarise() #

如果之后想添加更多统计项（比如在计数之外再计算求和、均值），这种方法扩展性更强：

df %>%
  group_by(product_category) %>%
  summarise(Count = n()) %>% # `n()`统计每组的行数
  ungroup() # 操作完成后记得取消分组，避免后续步骤出现意外问题

• 如果要排除NA值，可以先加一个filter()步骤：df %>% filter(!is.na(product_category)) %>% group_by(...)

如果你想要更接近Excel拖拽式透视表的操作体验，pivot_table包可以完美模拟这种交互。

首先安装并加载包：

install.packages("pivot_table") # 只需运行一次
library(pivot_table)

然后构建你的透视表：

# 创建以目标变量为行、计数为值的透视表
pivot_result <- pivot_table(df) %>%
  add_row_groups("product_category") %>%
  add_values(n(), name = "Count") %>%
  build()

print(pivot_result)

这个输出和Excel透视表的结构几乎完全一致，可读性和共享性都很强。

内容的提问来源于stack exchange，提问作者Mark K