按组计算标准偏差，不包括R中的当前观察值

计算R数据帧中每个组的平均值很容易。如果要排除当前观察

在计算标准偏差时，有没有排除当前观测值的简单方法

例如，当我有这张桌子

data.frame(country = c(rep("A",3), rep("B",3)), weight = c(10,11,12,20,25,30))

，我需要下表：

data.frame(country = c(rep("A",3), rep("B",3)), weight = c(10,11,12,20,25,30), standarddeviation = c(sd(c(11,12)), sd(c(10,12)), sd(c(10,11)), sd(c(25,30)), sd(c(20,30)), sd(c(20,25))))

---

一个选项是使用

dplyr

和

mapply

mapply

为每一行（组）运行，并且

sd

计算不包括当前行

library(dplyr)

df %>% group_by(country) %>%
  mutate(Sp_SD = mapply(function(x)sd(weight[-x]), 1:n()))


# # A tibble: 6 x 3
# # Groups: country [2]
# country weight Sp_SD
# <fctr>   <dbl> <dbl>
# 1 A         10.0 0.707
# 2 A         11.0 1.41 
# 3 A         12.0 0.707
# 4 B         20.0 3.54 
# 5 B         25.0 7.07 
# 6 B         30.0 3.54 

库（dplyr）
df%>%按（国家）分组%>%
变异（Sp_SD=mapply（函数（x）SD（权重[-x]），1:n（））
##tibble:6 x 3
##群体：国家[2]
#国家重量标准差
#     
#1A 10.0 0.707
#2 A 11.0 1.41
#3 A 12.0 0.707
#4 B 20.0 3.54
#5 B 25.0 7.07
#6 B 30.0 3.54

这不是一个很好的解决方案，但它应该可以工作

library(dplyr)

data = data.frame(country = c(rep("A",3), rep("B",3)), weight = c(10,11,12,20,25,30))

cdata = list()

for(k in 1:length(unique(data$country))){
cdata[[k]] = filter(data,country==unique(country)[k])
}

for(i in 1:length(unique(data$country))){
  for(j in 1:nrow(cdata[[1]])){
    aux=cdata[[i]][-j,]
    cdata[[i]][j,"StandardDeviation"] = sd(aux$weight)
  }
}

rbind(cdata[[1]],cdata[[2]])

---

那很优雅！