如何计算r中Likert型反应的累积比例？

我试图提供我的利克特类型（5点）调查结果的基本摘要。 我知道如何使用聚合函数跨子组使用基本数学函数。例如，我可以在子组中生成每个项目的平均值，但我不知道如何在所有项目中获得超过2个可能响应的出现百分比

我一直使用SPSS统计子组中每个项目的阳性反应比例（比如4和5）。因此，结果是，我收到了按子组细分的每个项目的积极响应百分比（支持率）

####我能生产什么
聚合（数据集[项目]，按=子组，乐趣=平均值）
###我正在努力生产什么
聚合（数据集[项目]，按=子组，乐趣=[每个项目上4个和5个选项的比例]）

考虑将

聚合

和

ave

结合使用（内联聚合函数，它保持与输入相同的行数）。具体来说，使用

aggregate

（使用公式样式以便于阅读，使用

cbind

重命名列）计算每个子组的likert值，然后使用

ave

计算每个计数与整个子组计数的比例百分比

agg_df <- aggregate(cbind(count=some_num_col) ~ likert + subgroup, dataset, FUN=length)

agg_df$prop <- with(agg_df, count / ave(count, subgroup, FUN=sum))

agg_df

---

agg_df我只需要添加与likert 4和5值对应的属性值。您认为最好的方法是什么？只需从最终数据集中选择子集：
agg_-df[agg_-df$likert%in%c（4,5），]
或在聚合之前进行过滤。
set.seed(8302019)
dataset <- data.frame(
  subgroup = sample(c("sas", "stata", "spss", "python", "r", "julia"), 500, replace=TRUE),
  likert = sample(1:5, 500, replace=TRUE),
  some_num_col = 1
)

head(dataset, 20)
#    subgroup likert some_num_col
# 1     julia      5            1
# 2    python      1            1
# 3      spss      5            1
# 4       sas      1            1
# 5       sas      4            1
# 6      spss      2            1
# 7         r      5            1
# 8         r      5            1
# 9         r      1            1
# 10     spss      3            1
# 11     spss      4            1
# 12      sas      3            1
# 13     spss      5            1
# 14     spss      1            1
# 15     spss      2            1
# 16      sas      4            1
# 17        r      2            1
# 18      sas      4            1
# 19      sas      4            1
# 20     spss      1            1

agg_df <- aggregate(cbind(count=some_num_col) ~ likert + subgroup, dataset, FUN=length)

agg_df$prop <- with(agg_df, count / ave(count, subgroup, FUN=sum))

agg_df
#    likert subgroup count      prop
# 1       1    julia    21 0.2359551
# 2       2    julia    16 0.1797753
# 3       3    julia    18 0.2022472
# 4       4    julia    17 0.1910112
# 5       5    julia    17 0.1910112
# 6       1   python    14 0.1891892
# 7       2   python    16 0.2162162
# 8       3   python    16 0.2162162
# 9       4   python    16 0.2162162
# 10      5   python    12 0.1621622
# 11      1        r    20 0.2061856
# 12      2        r    19 0.1958763
# 13      3        r    26 0.2680412
# 14      4        r    17 0.1752577
# 15      5        r    15 0.1546392
# 16      1      sas    18 0.1956522
# 17      2      sas    16 0.1739130
# 18      3      sas    24 0.2608696
# 19      4      sas    18 0.1956522
# 20      5      sas    16 0.1739130
# 21      1     spss    13 0.1688312
# 22      2     spss    22 0.2857143
# 23      3     spss    15 0.1948052
# 24      4     spss    16 0.2077922
# 25      5     spss    11 0.1428571
# 26      1    stata    17 0.2394366
# 27      2    stata     8 0.1126761
# 28      3    stata    16 0.2253521
# 29      4    stata    12 0.1690141
# 30      5    stata    18 0.2535211