Question

我想计算一个平均值。以下是包含示例数据的代码：

# sample data
Nr <- c(1, 2, 3, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 1, 2, 3, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 1, 2, 3, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23)
dph <- c(3.125000, 6.694737, 4.310680, 11.693735, 103.882353, 11.000000, 7.333333, 20.352941, 5.230769, NA, 4.615385, 47.555556, 2.941176, 18.956522, 44.320000, 28.500000, NA, 10.470588, 19.000000, 25.818182, 43.216783, 51.555556, 8.375000, 6.917647, 9.375000, 5.647059, 4.533333, 27.428571, 14.428571, NA, 1.600000, 5.764706, 4.705882, 55.272727, 2.117647, 30.888889, 41.222222, 23.444444, 2.428571, 6.200000, 17.076923, 21.280000, 40.829268, 14.500000, 6.250000, NA, 15.040000, 5.687204, 2.400000, NA, 26.375000, 18.064516, 4.000000, 6.139535, 8.470588, 128.666667, 2.235294, 34.181818, 116.000000, 6.000000, 5.777778, 10.666667, 15.428571, 54.823529, 81.315789, 42.333333)
dat <- data.frame(cbind(Nr = Nr, dph = dph))

# calculate mean directly
mean(dat$dph, na.rm = TRUE)
[1] 23.02403

# aggregate first, then calculate mean
mean(aggregate(dph ~ Nr, dat, mean, na.rm = T)$dph)
[1] 22.11743

# 23.02403 != 22.11743

为什么我会得到两个不同的结果？

问题解释：

我需要进行Wilcoxon检验，比较前基线和后基线。 Pre是3次测量，post是16.因为Wilcoxon测试需要两个相等长度的矢量，我计算每个患者aggregate的前后均值，创建两个相等长度的矢量。以上数据是预先的。

编辑：

患者号4从数据中删除。但是使用Nr <- rep(1:22, 3)会返回相同的结果。

Answer 1

我认为这是因为在mean(dat$x, na.rm=T)版本中，删除的每个NA会将观察次数减少1，而如果先汇总，则在您的示例中，您的行中有NA 10（ID 11）被删除但由于ID 11的其他行不包含NA（或者至少其中一个没有），用于计算mean的观察数（唯一ID） 在每个ID的聚合之后，每个NA不会减少1。因此，IMO的差异来自于dph的总和，它在两次计算中应该是相同的，不同的观察数量。

您可以通过将NA条目更改为0并再次使用两个版本计算均值来验证这一点，它们将返回相同的值。

但一般情况下你应该注意到它只能在这里工作，因为你对每个ID都有相同数量的观察结果（在这种情况下为3）。如果它们不同，您将再次得到不同的结果。

为什么mean（）和mean（aggregate（））会返回不同的结果？

1 个答案: