R 计算组平均值（或其他汇总统计数据）并分配给原始数据

我想计算分组变量（“组”）每个级别内数值变量（“值”）的

平均值

（或长度为1的任何其他汇总统计，例如

最小值

，

最大值

，

长度

，

总和

）

汇总统计应分配给与原始数据长度相同的新变量。也就是说，原始数据的每一行都应该有一个与当前组值相对应的值-数据集不应该折叠为每组一行。例如，考虑组<代码>平均< /代码>：

以前

id  group  value
1   a      10
2   a      20
3   b      100
4   b      200

之后

---

一个选项是使用

plyr

ddply

需要一个

data.frame

（第一个d）并返回一个

data.frame

（第二个d）。其他XXply函数以类似的方式工作；i、 e.

ldply

需要一个

列表

并返回一个

数据帧

，

dlply

做相反的事情……等等。第二个参数是分组变量。第三个参数是我们要为每个组计算的函数

require(plyr)
ddply(dat, "group", transform, grp.mean.values = mean(value))

  id group value grp.mean.values
1  1     a    10              15
2  2     a    20              15
3  3     b   100             150
4  4     b   200             150

---

下面是另一个使用基本函数

aggregate

和

merge

的选项：

merge(x, aggregate(value ~ group, data = x, mean), 
     by = "group", suffixes = c("", "mean"))

  group id value.x value.y
1     a  1      10      15
2     a  2      20      15
3     b  3     100     150
4     b  4     200     150

您可以使用

后缀获得“更好”的列名：

merge(x, aggregate(value ~ group, data = x, mean), 
     by = "group", suffixes = c("", ".mean"))


  group id value value.mean
1     a  1    10         15
2     a  2    20         15
3     b  3   100        150
4     b  4   200        150

查看
ave
功能。差不多

df$grp.mean.values <- ave(df$value, df$group)

您可以在
dplyr
中使用
mutate
执行此操作：

library(dplyr)
df %>%
  group_by(group) %>%
  mutate(grp.mean.values = mean(value))

…或使用
data.table
通过引用分配新列（
：=
）：

df$grp.min <- ave(df$value, df$group, FUN = min)

library(dplyr)
df %>%
  group_by(group) %>%
  mutate(grp.mean.values = mean(value))

library(data.table)
setDT(df)[ , grp.mean.values := mean(value), by = group]