如何使用dplyr获取数据频率？附数据集与比例计算需求

针对你想了解各数据占比的需求，这里提供一套基于dplyr的解决方案，步骤清晰且结果结构化：

首先，先把你的示例数据加载进来（如果已经有现成的数据框可以跳过这步）：

library(dplyr)
library(tidyr)

# 你的示例tibble
df <- tibble(
  freqtools = c(5,5,5,5,5,5),
  freqtrees = c(5,2,4,4,5,5),
  freqrt = c(5,2,4,4,4,5),
  freqroamfriends = c(5,2,3,3,1,5),
  freqroamalone = c(5,5,4,2,1,5),
  freqparts = c(5,4,3,1,4,5),
  freqmessy = c(5,5,4,2,5,5),
  freqride = c(5,4,2,1,5,5),
  freqall = c(1,0,1,1,1,1),
  freqrain = c(5,5,1,2,3,2)
)

接下来是核心的占比计算代码：

proportion_df <- df %>%
  # 转成长格式，统一处理所有变量
  pivot_longer(cols = everything(), names_to = "variable", values_to = "value") %>%
  # 按变量+取值分组，统计每个组合的出现次数
  group_by(variable, value) %>%
  summarise(count = n(), .groups = "drop") %>%
  # 按变量分组，计算该变量下各取值的占比（转成百分比）
  group_by(variable) %>%
  mutate(proportion = count / sum(count) * 100) %>%
  # 排序让结果更易读
  arrange(variable, value)

# 查看最终结果
proportion_df

代码细节解释： #

1. pivot_longer：把原来的宽表转成长表，每个变量名和对应的取值成为独立行——这是批量处理多变量统计的关键，不用重复写代码处理每个单独变量。
2. 分组统计次数：按variable（变量名）和value（变量取值）分组后，用n()统计每个取值的出现次数，.groups = "drop"用来清理分组状态，避免后续步骤受干扰。
3. 计算占比：再次按variable分组，用每个取值的次数除以该变量的总次数，乘以100得到百分比形式的占比，直观展示分布情况。
4. 排序整理：最后按变量名和取值排序，让结果的逻辑更清晰，方便对比查看。

如果需要让占比保留两位小数，优化可读性，可以修改mutate部分：

mutate(proportion = round(count / sum(count) * 100, 2))

运行后你会得到一个包含变量名、取值、出现次数和对应占比的tibble，完全满足你查看各数据占比的需求。

内容的提问来源于stack exchange，提问作者reubenmcg