Question

我有一个简单的data.frame，如下所示：

Group     Person  Score_1   Score_2   Score_3
1         1       90        80        79
1         2       74        83        28
1         3       74        94        89
2         1       33         9         8
2         2       94        32        78
2         3       50        90        87

我首先需要找到Score_1的平均值，在群组内的人群中折叠（即，第1组的Score_1意思，第2组的Score_1意思等），然后我需要在所有人中崩溃两组都找到Score_1的平均值。如何计算这些值并将它们存储为单个对象？我在dplyr中使用了“summarize”函数，代码如下：

summarise(group_by(data,Group),mean(bias,na.rm=TRUE))

我想最终创建一个第6列，给出每个组的人员重复的平均值，然后是第7列，给出所有组的平均值。

我确信还有其他方法可以做到这一点，我愿意接受建议（尽管我仍然想知道如何在dplyr中做到这一点）。谢谢！

Answer 1

data.table适合这样的任务：

library(data.table)

dt <- read.table(text = "Group     Person  Score_1   Score_2   Score_3
           1         1       90        80        79
           1         2       74        83        28
           1         3       74        94        89
           2         1       33         9         8
           2         2       94        32        78
           2         3       50        90        87", header = T)

dt <- data.table(dt)

# Mean by group
dt[, score.1.mean.by.group := mean(Score_1), by = .(Group)]
# Grand mean
dt[, score.1.mean := mean(Score_1)]
dt

Answer 2

要创建列，我们使用mutate而非summarise。我们得到了平均值（MeanScore1），然后按＆＃39;分组＆＃39;分组获取mean（＆＃39; MeanScorebyGroup＆＃39;）并最终对列进行排序select

library(dplyr)
df1 %>% 
    mutate(MeanScore1 = mean(Score_1)) %>%
    group_by(Group) %>% 
    mutate(MeanScorebyGroup = mean(Score_1)) %>%
    select(1:5, 7, 6)

但是，这也可以使用base R以简单的方式完成

df1$MeanScorebyGroup <- with(df1, ave(Score_1, Group))
df1$MeanScore1 <- mean(df1$Score_1)

Answer 3

@akrun你只是引起了我的注意！

只是为了澄清你说的话，这是我的解释：

library(plyr)

Group <- c(1,1,1,2,2,2)
Person <- c(1,2,3,1,2,3)
Score_1 <- c(90,74,74,33,94,50)
Score_2 <- c(80,83,94,9,32,90)
Score_3 <- c(79,28,89,8,78,87)

df <- data.frame(cbind(Group, Person, Score_1, Score_2, Score_3))

df2 <- ddply(df, .(Group), mutate, meanScore = mean(Score_1, na.rm=T))
mutate(df2, meanScoreAll=mean(meanScore))

使用dplyr汇总值并在数据框中存储为向量？

3 个答案: