带因子的DataFrame复杂计数求助：基于给定R语言数据表

嘿，我来帮你搞定这个R语言的复杂计数需求！先理清楚你的数据结构：5303行观测、9个变量，其中包含多个因子型变量（比如有99个水平的Metric.Name、25个水平的Technical.Criterion），还有二分类的Violation.status状态变量。下面我给你几种高频的复杂计数场景和对应的实现代码，你可以根据实际需求调整：

1. 单因子分组基础计数 #

比如统计每个技术准则（Technical.Criterion）下的观测总数，或者每个度量项（Metric.Name）的出现次数：

# 先加载dplyr包（语法更直观，推荐），没安装的话先跑 install.packages("dplyr")
library(dplyr)

# 统计每个Technical.Criterion的观测数量，按数量降序排列
tech_crit_count <- df %>%
  group_by(Technical.Criterion) %>%
  summarize(总观测数 = n()) %>%
  arrange(desc(总观测数))

# 用base R快速生成频数表（适合快速查看）
table(df$Metric.Name)

# 进阶：统计每个Technical.Criterion下，不同Violation.status的数量
status_by_tech <- df %>%
  group_by(Technical.Criterion, Violation.status) %>%
  summarize(数量 = n())

2. 多维度交叉计数（列联表） #

如果需要同时按多个因子维度（比如技术准则、度量项、违规状态）统计数量，可以用多分组或者列联表工具：

# dplyr多维度分组计数，输出整洁的数据框
multi_dim_count <- df %>%
  group_by(Technical.Criterion, Metric.Name, Violation.status) %>%
  summarize(数量 = n(), .groups = "drop") # .groups="drop"取消分组状态，方便后续处理

# base R生成列联表，适合快速看交叉分布
cross_tab <- xtabs(~ Technical.Criterion + Violation.status, data = df)
# 转换成数据框格式方便导出/查看
as.data.frame(cross_tab)

3. 带比例的自定义计数 #

比如统计每个度量项中，"Added"状态的数量占该度量项总数量的比例：

prop_count <- df %>%
  group_by(Metric.Name) %>%
  mutate(度量项总数量 = n(),
         Added状态数量 = sum(Violation.status == "Added")) %>%
  mutate(Added占比 = Added状态数量 / 度量项总数量) %>%
  select(Metric.Name, 度量项总数量, Added状态数量, Added占比) %>%
  distinct() # 去重，每个度量项只保留一行结果

4. 缺失值计数（针对你提到的Critical.Y....变量） #

如果Critical.Y....是截断的变量名（比如Critical.Year），可以统计该变量在不同分组下的缺失情况：

# 统计所有变量的缺失值数量
all_missing_count <- df %>%
  summarize(across(everything(), ~sum(is.na(.))))

# 按违规状态统计Critical类变量的缺失数
missing_by_status <- df %>%
  group_by(Violation.status) %>%
  summarize(Critical变量缺失数 = sum(is.na(Critical.Y....))) # 替换成你的实际变量名

小提示： #

• 如果因子水平太多（比如Metric.Name有99个），可以用filter()先筛选你关注的分组再统计，避免结果过于冗长；
• 统计结果可以用write.csv(tech_crit_count, "技术准则计数结果.csv")导出到本地文件。

内容的提问来源于stack exchange，提问作者Talcom