统计数据框列表中各因子水平出现次数的方法及相关咨询

嘿，我来帮你搞定这个问题！首先得说，拆分DataFrame其实完全没必要——直接用分组统计的方法会高效得多，先给你讲这个最优解，再说说如果一定要拆分后怎么处理，最后聊聊怎么提供好用的样本数据，方便以后提问~

这是最推荐的方式，不用折腾拆分列表，直接对原数据分组统计就行，两种常用方案：

方法1：用dplyr包（tidyverse风格） #

如果你平时用tidyverse的话，group_by() + count() 或者 summarise() 都能轻松搞定，还能把结果整理成规整的宽格式：

library(dplyr)
library(tidyr)

# 方法A：用count统计后转宽格式，空值自动补0
result <- df %>%
  group_by(name, Status) %>%
  count() %>%
  pivot_wider(names_from = Status, values_from = n, values_fill = 0)

# 方法B：直接用summarise+across生成各水平计数
result <- df %>%
  group_by(name) %>%
  summarise(
    across(all_of(c("Scheduled", "Canceled", "Postponed")), 
           ~sum(Status == .x, na.rm = TRUE))
  )

这样直接得到每个name对应的三个Status的次数，非常直观。

方法2：用Base R（无需额外安装包） #

如果不想装包，用Base R的xtabs()或者table()就能实现：

# 生成交叉表，直接看每个name的Status计数
result_table <- xtabs(~ name + Status, data = df)

# 转成DataFrame格式方便后续处理
result_df <- as.data.frame.matrix(result_table)

# 或者用table函数，再转成DataFrame
tab <- table(df$name, df$Status)
result_df <- as.data.frame(tab, responseName = "count")

这种方法轻量快捷，适合简单需求。

你之前用lapply+summary没成功，是因为summary()对因子的输出是带百分比的汇总信息，不是纯计数。换成table()就可以完美解决：

# 先按name拆分DataFrame成列表
df_list <- split(df, df$name)

# 用lapply遍历列表，统计每个子DataFrame的Status计数
count_list <- lapply(df_list, function(x) table(x$Status))

# 如果想把结果统一成规整的DataFrame格式，可以再做一步处理：
count_df <- do.call(rbind, lapply(count_list, function(x) as.data.frame(x, stringsAsFactors = FALSE)))
count_df$name <- rownames(count_df)
rownames(count_df) <- NULL

这样就能得到每个name对应的Status计数结果了。

当提问时，提供可复现的小样本数据能让别人更快帮你排查问题，有两种常用方式：

• 用dput()输出样本：从你的原数据里取5-10行（覆盖所有Status水平和不同name），运行dput(head(df, 10))，把输出的结果贴出来，比如：

structure(list(name = c("Alice", "Alice", "Bob", "Bob", "Charlie"), 
               Status = structure(c(1L, 2L, 1L, 3L, 1L), 
                                  levels = c("Scheduled", "Canceled", "Postponed"), 
                                  class = "factor")), 
          class = "data.frame", row.names = c(NA, -5L))

别人复制这段代码就能直接得到和你类似的DataFrame，方便测试。

• 手动构造样本：用data.frame或者tibble手动创建包含所有情况的小数据，比如：

df <- data.frame(
  name = rep(c("Alice", "Bob", "Charlie"), each = 3),
  Status = factor(c("Scheduled", "Canceled", "Postponed", 
                    "Scheduled", "Scheduled", "Canceled",
                    "Postponed", "Postponed", "Scheduled"),
                  levels = c("Scheduled", "Canceled", "Postponed"))
)

这样的样本清晰，覆盖了所有Status水平，不同name有不同的次数，能完整测试各种统计场景。

内容的提问来源于stack exchange，提问作者regents