R 使用加权平均和求和的变量列表，按组折叠数据帧

我想按组使用求和和和加权平均值折叠以下数据框。

我有以下数据框

group_id = c(1,1,1,2,2,3,3,3,3,3)
var_1 = sample.int(20, 10)
var_2 = sample.int(20, 10)
var_percent_1 =rnorm(10,.5,.4)
var_percent_2 =rnorm(10,.5,.4)
weighting =sample.int(50, 10)

df_to_collapse = data.frame(group_id,var_1,var_2,var_percent_1,var_percent_2,weighting)

我想根据

group\u id

标识的组折叠数据。然而，在我的数据中，我有绝对水平的变量（

var\u 1

，

var\u 2

）和百分比（

var\u percent\u 1

，

var\u percent\u 2

）

我为每种类型的变量创建了两个列表（我的实际数据要大得多，这是必要的）。我还有一个加权变量（

加权

）

我的目标是根据变量的类型，使用eiter总和或加权平均值同时折叠数据（即，如果是百分比，则使用加权平均值）

以下是我最好的尝试：

 df_to_collapse %>% group_by(group_id) %>% summarise_at(.vars = c(to_be_summed_2,to_be_weighted_2), .funs=c(sum, mean))

但是，正如您所看到的，它不是加权平均值

我尝试了许多不同的方法来使用

加权.mean

功能，但都没有成功。这是一个这样的尝试的例子

df_to_collapse %>% group_by(group_id) %>% summarise_at(.vars = c(to_be_weighted_2,to_be_summed_2), .funs=c(weighted.mean(to_be_weighted_2, weighting), sum))

以及相应的错误：

Error in weighted.mean.default(to_be_weighted_2, weighting) : 
'x' and 'w' must have the same length

---

这里有一种方法可以实现这一点，它是将数据重塑为长数据，添加一个名为

type

的虚拟变量，用于判断它是否为百分比（可选，但很方便），根据它是否为百分比，在

summary

中应用一个函数，然后扩展回宽形状。如果您可以更改列名，您可以想出一种更优雅的方法来处理

类型

列，但这实际上更方便

我的窍门是

类型[1]=“百分比”

；我不得不使用

[1]

，因为每个组中的所有内容都具有相同的类型，但除此之外，

=

对向量中的每个值进行操作，并给出多个逻辑值，而实际上只需要1

库（tidyverse）
种子集（1234）
组id=c（1,1,1,2,2,3,3,3,3,3）
var_1=sample.int（20,10）
var_2=sample.int（20,10）
var_percent_1=rnorm（10、.5、.4）
var_百分数_2=rnorm（10、.5、.4）
加权=sample.int（50,10）
df_至_崩溃%
聚集（键=变量，值=值，-组id，-权重）%>%
突变（类型=ifelse（str_-detect（var，“percent”），“percent”，“int”））%>%
分组依据（分组id，变量）%>%
总结（总和或平均值=ifelse（类型[1]=“百分比”，加权。平均值（值，加权），总和（值）））%>%
解组（）%>%
价差（键=var，值=总和或平均值）
#>#tibble:3 x 5
#>组id变量1变量2变量百分比1变量百分比2
#>                          
#> 1        1    26    31         0.269         0.483
#> 2        2    32    21         0.854         0.261
#> 3        3    29    49         0.461         0.262

---

由（v0.2.0）于2018-05-04创建。

在创建随机示例数据之前，您应该使用

set.seed

，这样我们都在看同一件事，并可以验证潜在的答案。无论如何，如果您愿意使用data.table，这听起来像是您所追求的

DT[，c（lapply（.SD[，…to_be_weighted_2]，weighted.mean，w=weighted），lapply（.SD[，…待求和2]，sum）），by=group\u id]

Perfect！非常感谢您的帮助（很抱歉花了这么长时间才将其标记为已回答！）

Error in weighted.mean.default(to_be_weighted_2, weighting) : 
'x' and 'w' must have the same length