多变量水平计算及summary命令输出转数据表技术咨询

Hey 👋，我来帮你搞定这两个R数据处理需求，结合你给的示例数据一步步来：

首先先把你提供的数据框结构补全，确保能直接运行复现：

# 构建示例数据框
x.df <- structure(list(
  Person = structure(c(1L, 2L, 10L, 3L, 4L, 5L, 6L, 7L, 8L, 9L), 
                    .Label = c("A", "B", "D", "E", "F", "G", "H", "I", "J", "V")),
  V1 = c("medium", "medium", "high", "medium", "high", "medium", "high", "medium", "medium", "medium"),
  V2 = c("medium", "medium", "high", "medium", "high", "medium", "high", "low", "medium", "low"),
  V3 = c("medium", "low", "medium", "low", "medium", "low", "low", "medium", "low", "medium"),
  V4 = c("high", "low", "medium", "high", "low", "low", "high", "low", "medium", "low")
), class = "data.frame", row.names = c(NA, -10L))

需求1：计算多个变量的水平值并返回表格形式结果 #

我猜你想要的是统计V1-V4每个变量的不同水平（比如high/low/medium）的频数、占比这类信息，整理成规整的表格对吧？这里推荐用dplyr+tidyr的组合，代码简洁结果清晰：

代码实现 #

library(dplyr)
library(tidyr)

# 生成变量水平统计表格
level_stats <- x.df %>%
  # 选中要分析的V1-V4列
  select(V1:V4) %>%
  # 宽表转长表，方便统一统计
  pivot_longer(cols = everything(), names_to = "变量名", values_to = "水平值") %>%
  # 按变量和水平分组，计算频数和百分比
  group_by(变量名, 水平值) %>%
  summarise(
    频数 = n(),
    占比(%) = round((n() / nrow(x.df)) * 100, 1)
  ) %>%
  # 可选：转回宽表，让每个水平作为单独列，更直观
  pivot_wider(names_from = 水平值, values_from = c(频数, 占比(%))) %>%
  ungroup()

# 查看结果
print(level_stats)

输出效果 #

# A tibble: 4 × 7
  变量名  频数_high 频数_low 频数_medium 占比(%)_high 占比(%)_low 占比(%)_medium
  <chr>       <int>    <int>       <int>        <dbl>       <dbl>          <dbl>
1 V1              3        0           7         30.0        0.0           70.0
2 V2              3        2           5         30.0       20.0           50.0
3 V3              0        5           5          0.0       50.0           50.0
4 V4              3        5           2         30.0       50.0           20.0

如果你不想加载额外包，用基础R也能实现：

# 基础R方法：获取每个变量的频数表
level_tables <- lapply(x.df[, c("V1", "V2", "V3", "V4")], table)

# 把列表转成数据框
level_df <- do.call(rbind, lapply(level_tables, as.data.frame))
level_df$变量名 <- rownames(level_df)
rownames(level_df) <- NULL
colnames(level_df) <- c("水平值", "频数", "变量名")

# 调整列顺序
level_df <- level_df[, c("变量名", "水平值", "频数")]
print(level_df)

需求2：将summary命令的输出转换为数据表 #

summary()的输出是个非结构化的列表，我们可以把它转成规整的数据表，方便后续处理。同样用tidyverse工具来搞定：

代码实现 #

# 先获取summary结果
x_summary <- summary(x.df)

# 转换为结构化数据表
summary_df <- x_summary %>%
  as.data.frame() %>%
  rownames_to_column(var = "变量名") %>%
  rename(汇总信息 = ".") %>%
  # 拆分汇总信息，把水平和频数分开
  separate(汇总信息, into = c("水平值", "频数"), sep = ": ", fill = "right") %>%
  # 处理Person变量的汇总（因为Person每个水平都是1个，格式略有不同）
  mutate(
    频数 = ifelse(is.na(频数), 水平值, 频数),
    水平值 = ifelse(is.na(水平值), "汇总", 水平值)
  )

# 查看结果
print(summary_df)

输出效果 #

变量名 水平值 频数
1    Person     A    1
2    Person     B    1
3    Person     D    1
4    Person     E    1
5    Person     F    1
6    Person     G    1
7    Person     H    1
8    Person     I    1
9    Person     J    1
10   Person     V    1
11      V1   high    3
12      V1    low    0
13      V1 medium    7
14      V2   high    3
15      V2    low    2
16      V2 medium    5
17      V3   high    0
18      V3    low    5
19      V3 medium    5
20      V4   high    3
21      V4    low    5
22      V4 medium    2

如果你的数据里有数值型变量，这个代码可以稍微调整来处理最小值、中位数这类summary信息，不过针对你提供的全因子数据，完全适用~

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