Question

考虑以下数据集：

a <- c(1,23,18,47,15,56,67,43,9)
b <- c("A","B","B","C","C","B","D","A","C")
df <- data.frame(var1=a, var2=b)

我需要在df的子部分（基于var2值）上运行函数（例如mean（）），如下所示：

df_A <- subset(df,var2=="A")
mean_A <- mean(df_A$var1)

df_B <- subset(df,var2=="B")
mean_B <- mean(df_B$var1)

df_C <- subset(df,var2=="C")
mean_C <- mean(df_C$var1)

df_D <- subset(df,var2=="D")
mean_D <- mean(df_D$var1)

我在这里面临的最大困难是我事先不知道var2中有多少个差值。在我的示例中，我有4种可能性：“ A”，“ B”，“ C”和“ D”。但实际上，它是随机的...有时我在var2中有一个具有2个差值的数据集，有时15个，有时更多...

我认为循环可能是一个很好的解决方案，但是我有点迷路了...

可以帮忙吗？预先感谢。

Answer 1

最简单的方法是使用dplyr软件包

a <- c(1,23,18,47,15,56,67,43,9)
b <- c("A","B","B","C","C","B","D","A","C")
df <- data.frame(var1=a, var2=b)

library(dplyr)
df2 <- df %>% 
  group_by(var2) %>% 
  summarise(mean=mean(var1))
df2

#output
# # A tibble: 4 x 2
# var2   mean
# <fct> <dbl>
# 1 A      22  
# 2 B      32.3
# 3 C      23.7
# 4 D      67

对数据集的子集进行操作

1 个答案: