试试这个:

mtcars %>%
  group_by(am, gear) %>%
  summarise(n = n()) %>%
  mutate(freq = n / sum(n))

#   am gear  n      freq
# 1  0    3 15 0.7894737
# 2  0    4  4 0.2105263
# 3  1    4  8 0.6153846
# 4  1    5  5 0.3846154

来自dplyr的小插图:

当您按多个变量分组时，每个摘要都会剥离分组的一个层次。这使得逐步上卷数据集变得很容易。

因此，在总结之后，去掉group_by中指定的最后一个分组变量‘gear’。在突变步骤中，数据由剩余的分组变量“am”分组。您可以在每个步骤中用组检查分组。

剥离的结果当然取决于group_by调用中分组变量的顺序。您可能希望执行后续的group_by(am)，以使代码更显式。

关于舍入和修饰，请参考@Tyler Rinker的精彩回答。

我为这个重复任务写了一个小函数:

count_pct <- function(df) {
  return(
    df %>%
      tally %>% 
      mutate(n_pct = 100*n/sum(n))
  )
}

然后我可以像这样使用它:

mtcars %>% 
  group_by(cyl) %>% 
  count_pct

它返回:

# A tibble: 3 x 3
    cyl     n n_pct
  <dbl> <int> <dbl>
1     4    11  34.4
2     6     7  21.9
3     8    14  43.8

这个答案是基于Matifou的回答。

首先，我修改了它，以确保我不会通过使用scipen选项将freq列作为科学符号列返回。

然后我将答案乘以100以得到一个百分比，而不是小数，以使频率列更容易以百分比的形式阅读。

getOption("scipen") 
options("scipen"=10) 
mtcars %>%
count(am, gear) %>% 
mutate(freq = (n / sum(n)) * 100)

下面是在dplyr 0.7.1上实现Henrik解决方案的通用函数。

freq_table <- function(x, 
                       group_var, 
                       prop_var) {
  group_var <- enquo(group_var)
  prop_var  <- enquo(prop_var)
  x %>% 
    group_by(!!group_var, !!prop_var) %>% 
    summarise(n = n()) %>% 
    mutate(freq = n /sum(n)) %>% 
    ungroup
}

另外，尝试add_count()(以避开烦人的group_by .groups)。

mtcars %>% 
  count(am, gear) %>% 
  add_count(am, wt = n, name = "nn") %>% 
  mutate(proportion = n / nn)

试试这个:

mtcars %>%
  group_by(am, gear) %>%
  summarise(n = n()) %>%
  mutate(freq = n / sum(n))

#   am gear  n      freq
# 1  0    3 15 0.7894737
# 2  0    4  4 0.2105263
# 3  1    4  8 0.6153846
# 4  1    5  5 0.3846154

来自dplyr的小插图:

当您按多个变量分组时，每个摘要都会剥离分组的一个层次。这使得逐步上卷数据集变得很容易。

因此，在总结之后，去掉group_by中指定的最后一个分组变量‘gear’。在突变步骤中，数据由剩余的分组变量“am”分组。您可以在每个步骤中用组检查分组。

剥离的结果当然取决于group_by调用中分组变量的顺序。您可能希望执行后续的group_by(am)，以使代码更显式。

关于舍入和修饰，请参考@Tyler Rinker的精彩回答。