如何将dplyr:：summaries转换为dplyr:：do

我有以下数据框：

 label  target    sale
   low    5000    4000
   low   11000    9000
   low    5500    4500
   low   12000    9500
middle   20000   18000
middle   22000  190000
  high  100000   90000
  high  120000   95000

我需要首先按标签对数据帧进行分组，然后计算：mean（target-sale）仅对于target大于10000的行，我尝试了以下代码：

library(dplyr)
avg_increase <- df %>% 
                  group_by(labels) %>%
                  summarise(avg_sale_increase = ifelse(target >= 10000,mean(target - sale), 0))  

库（dplyr）
平均增长%
分组依据（标签）%>%
总结（平均销售额增加=如果其他（目标>=10000，平均值（目标销售额），0））

我得到以下错误：

错误：应为单个值

---

由于

summary

只返回单个值，我是否应该使用

deployer:：do

（或任何其他建议）更改代码以完成任务。

您可以通过对变量分组来筛选行数>10000

dat %>% filter(target>10000) %>% 
    group_by(label) %>% mutate(differ = mean(target-sale))

---

您可以通过对变量进行分组来筛选大于10000的行

dat %>% filter(target>10000) %>% 
    group_by(label) %>% mutate(differ = mean(target-sale))

---

问题在于ifelse，如果长度等于输入逻辑，它将返回一个向量，因此将根据需要多次计算平均值

这应该行得通

avg_increase <- df %>% 
                group_by(labels) %>% 
                filter(target >= 10000) %>% 
                summarise(target = mean(target-sale))

平均增长%
分组依据（标签）%>%
过滤器（目标>=10000）%>%
总结（目标=平均值（目标销售额））

问题在于ifelse，如果长度等于输入逻辑，它将返回一个向量，因此将根据需要多次计算平均值

这应该行得通

avg_increase <- df %>% 
                group_by(labels) %>% 
                filter(target >= 10000) %>% 
                summarise(target = mean(target-sale))

平均增长%
分组依据（标签）%>%
过滤器（目标>=10000）%>%
总结（目标=平均值（目标销售额））

Apols，同样的时间，同样的答案。完全相同的答案，非常感谢，因为@njpurgo快了一点，我选择它作为最佳答案。Apols，同样的时间，同样的答案。完全相同的答案，非常感谢，因为@njpurgo快了一点，我选择它作为最佳答案。你想过做什么吗：

df%>%group\u by（标签，目标>=1000）%>%总结（平均销售额增长=平均值（目标-销售额））这不直接回答你的问题，但它会给你提供2条线：每一个目标的销售额超过10K，平均销售量增加到10K以下的目标。请考虑使用相对误差而不是绝对误差，这有助于比较各种目标的销售增长。相对错误，可能不太需要筛选目标。您是否考虑过这样做：
df%>%group\u by（labels，target>=1000）%%>%summary（avg\u sale\u increase=mean（target-sale））这不直接回答你的问题，但它会给你提供2条线：每一个目标的销售额超过10K，平均销售量增加到10K以下的目标。请考虑使用相对误差而不是绝对误差，这有助于比较各种目标的销售增长。相对误差较大时，可能不需要过滤目标。