如何在R中批量统计数据框各变量的0、1值数量并生成汇总表

嘿，作为R新手能想到用table函数处理单个变量已经很棒啦！针对你要批量处理6个数据框（每个32个变量）的需求，我给你几个简洁高效的方案，不用写复杂循环就能搞定：

一、先搞定单个数据框的统计 #

首先我们先实现单个数据框的0/1统计，再扩展到批量处理。这里有两种常用方法：

方法1：用基础R的sapply函数（无需额外安装包） #

我们可以写一个自定义函数，用sapply遍历数据框的每个变量，分别统计0和1的数量，最后整理成目标格式：

# 定义统计0/1的函数
count_01 <- function(df) {
  # 统计每个变量中0的数量
  zero_counts <- sapply(df, function(x) sum(x == 0))
  # 统计每个变量中1的数量（也可以用sum(x)，因为1为TRUE，0为FALSE）
  one_counts <- sapply(df, function(x) sum(x == 1))
  # 组合成结果数据框
  result_df <- data.frame(Zeroes = zero_counts, Ones = one_counts)
  return(result_df)
}

# 测试你的示例数据
cluster <- data.frame(sex = c(1,1,1,1,0), mut = c(0,0,0,0,0), ht = c(1,1,0,1,0), wt = c(0,1,1,0,1), group = c(1,0,0,0,0))
count_01(cluster)

运行后就会得到你想要的输出：

Zeroes Ones
sex         1    4
mut         5    0
ht          2    3
wt          2    3
group       4    1

方法2：用tidyverse工具包（更直观的“数据重塑”思路） #

如果你习惯用tidyverse系列包（dplyr+tidyr），可以用数据重塑的方式实现，代码可读性更强：

library(tidyverse)

cluster %>%
  # 把宽格式转成长格式，方便统计
  pivot_longer(cols = everything(), names_to = "Variable", values_to = "Value") %>%
  # 按变量和值分组计数
  count(Variable, Value) %>%
  # 把长格式转回宽格式，匹配目标输出
  pivot_wider(names_from = Value, values_from = n, names_prefix = "Count_") %>%
  # 重命名列名
  rename(Zeroes = Count_0, Ones = Count_1)

这个方法同样能得到完全一致的结果，而且如果后续需要处理其他类别值，修改起来更灵活。

二、批量处理多个数据框 #

现在你有6个数据框，我们可以把它们放进一个列表，用lapply批量处理，一步搞定所有统计：

步骤1：把所有数据框存入列表 #

假设你的6个数据框分别叫df1、df2、df3、df4、df5、df6，先把它们放进一个命名列表里：

# 创建数据框列表（名字可以自定义，方便后续区分）
df_list <- list(
  data_frame_1 = df1,
  data_frame_2 = df2,
  data_frame_3 = df3,
  data_frame_4 = df4,
  data_frame_5 = df5,
  data_frame_6 = df6
)

步骤2：批量统计并整理结果 #

用lapply遍历列表中的每个数据框，调用之前写的count_01函数：

# 批量处理，得到每个数据框的统计结果列表
all_results <- lapply(df_list, count_01)

# （可选）把所有结果合并成一个大的数据框，方便查看
library(dplyr)
combined_results <- bind_rows(all_results, .id = "Dataframe_Name")

combined_results会包含所有数据框的统计结果，并且新增一列Dataframe_Name标记每个结果属于哪个原数据框。

额外小提示：增加健壮性（可选） #

如果担心有些变量可能包含非0/1的值，可以在函数里加个检查，自动跳过不符合要求的变量并给出提示：

count_01 <- function(df) {
  # 检查每个变量是否仅包含0和1
  valid_vars <- sapply(df, function(x) all(x %in% c(0, 1)))
  
  if (any(!valid_vars)) {
    warning(paste("以下变量包含非0/1值，已跳过：", paste(names(df)[!valid_vars], collapse = ", ")))
    df <- df[, valid_vars, drop = FALSE]
  }
  
  zero_counts <- sapply(df, function(x) sum(x == 0))
  one_counts <- sapply(df, function(x) sum(x == 1))
  result_df <- data.frame(Zeroes = zero_counts, Ones = one_counts)
  return(result_df)
}

试试这些方法，应该能帮你快速完成批量统计任务！

内容的提问来源于stack exchange，提问作者lokes