R 使用组平均值和/或匹配不同长度的数据帧进行计算

我试图在此数据框（df）中添加一列B，其中的值基于a的组平均值（每个不同ID的平均值）。例如，B将是每个T的10*平均值（A）

ID  T   A
1   1   1.1
1   10  1.3
1   100 1.5
2   1   2.6
2   10  1.9
2   100 2.2

一种方法是计算每个组的平均值（ID==1和ID==2），将其存储在一个新对象中，然后使用ID匹配对象

有了plyr，我们可以得到A的组平均值：

A.mean <- ddply(df, "ID", summarise, mean(A))

---

然后使用

transform

而不是

summary

执行df$B：

ddply(df, .(ID), transform, A.mean = mean(A), B = mean(A) * 10)
#  ID   T   A   A.mean        B
#1  1   1 1.1 1.300000 13.00000
#2  1  10 1.3 1.300000 13.00000
#3  1 100 1.5 1.300000 13.00000
#4  2   1 2.6 2.233333 22.33333
#5  2  10 1.9 2.233333 22.33333
#6  2 100 2.2 2.233333 22.33333

或者，您可以在

ddply

调用后添加B列，如您的问题所示

请注意，

summary

将数据分解为每组1行（在本例中为ID），而

transform

保留现有结构，在本例中，只需添加相同长度的新列

下面是等效的

dplyr

代码（如果您使用的是大型数据集，则速度会更快）：

库（dplyr）
df%
分组依据（ID）%>%
dplyr：：突变（A.mean=mean（A），
B=A.平均值*10）

使用

转换

而不是

摘要

：

ddply(df, .(ID), transform, A.mean = mean(A), B = mean(A) * 10)
#  ID   T   A   A.mean        B
#1  1   1 1.1 1.300000 13.00000
#2  1  10 1.3 1.300000 13.00000
#3  1 100 1.5 1.300000 13.00000
#4  2   1 2.6 2.233333 22.33333
#5  2  10 1.9 2.233333 22.33333
#6  2 100 2.2 2.233333 22.33333

或者，您可以在

ddply

调用后添加B列，如您的问题所示

请注意，

summary

将数据分解为每组1行（在本例中为ID），而

transform

保留现有结构，在本例中，只需添加相同长度的新列

下面是等效的

dplyr

代码（如果您使用的是大型数据集，则速度会更快）：

库（dplyr）
df%
分组依据（ID）%>%
dplyr：：突变（A.mean=mean（A），
B=A.平均值*10）

使用

转换

而不是

摘要

：

ddply(df, .(ID), transform, A.mean = mean(A), B = mean(A) * 10)
#  ID   T   A   A.mean        B
#1  1   1 1.1 1.300000 13.00000
#2  1  10 1.3 1.300000 13.00000
#3  1 100 1.5 1.300000 13.00000
#4  2   1 2.6 2.233333 22.33333
#5  2  10 1.9 2.233333 22.33333
#6  2 100 2.2 2.233333 22.33333

或者，您可以在

ddply

调用后添加B列，如您的问题所示

请注意，

summary

将数据分解为每组1行（在本例中为ID），而

transform

保留现有结构，在本例中，只需添加相同长度的新列

下面是等效的

dplyr

代码（如果您使用的是大型数据集，则速度会更快）：

库（dplyr）
df%
分组依据（ID）%>%
dplyr：：突变（A.mean=mean（A），
B=A.平均值*10）

使用

转换

而不是

摘要

：

ddply(df, .(ID), transform, A.mean = mean(A), B = mean(A) * 10)
#  ID   T   A   A.mean        B
#1  1   1 1.1 1.300000 13.00000
#2  1  10 1.3 1.300000 13.00000
#3  1 100 1.5 1.300000 13.00000
#4  2   1 2.6 2.233333 22.33333
#5  2  10 1.9 2.233333 22.33333
#6  2 100 2.2 2.233333 22.33333

或者，您可以在

ddply

调用后添加B列，如您的问题所示

请注意，

summary

将数据分解为每组1行（在本例中为ID），而

transform

保留现有结构，在本例中，只需添加相同长度的新列

下面是等效的

dplyr

代码（如果您使用的是大型数据集，则速度会更快）：

库（dplyr）
df%
分组依据（ID）%>%
dplyr：：突变（A.mean=mean（A），
B=A.平均值*10）

使用

ave

  within(df, {A.mean=ave(A, ID, FUN=mean); B.mean=10*A.mean})[,c(1:3,5,4)]
 #  ID   T   A   A.mean   B.mean
 #1  1   1 1.1 1.300000 13.00000
 #2  1  10 1.3 1.300000 13.00000
 #3  1 100 1.5 1.300000 13.00000
 #4  2   1 2.6 2.233333 22.33333
 #5  2  10 1.9 2.233333 22.33333
 #6  2 100 2.2 2.233333 22.33333

或

或使用

数据的另一种方式。表

：

setDT(df)[, c("A.mean", "B.mean") := { m = mean(A); list(m, m*10) }, by=ID]

使用

ave

  within(df, {A.mean=ave(A, ID, FUN=mean); B.mean=10*A.mean})[,c(1:3,5,4)]
 #  ID   T   A   A.mean   B.mean
 #1  1   1 1.1 1.300000 13.00000
 #2  1  10 1.3 1.300000 13.00000
 #3  1 100 1.5 1.300000 13.00000
 #4  2   1 2.6 2.233333 22.33333
 #5  2  10 1.9 2.233333 22.33333
 #6  2 100 2.2 2.233333 22.33333

或

或使用

数据的另一种方式。表

：

setDT(df)[, c("A.mean", "B.mean") := { m = mean(A); list(m, m*10) }, by=ID]

使用

ave

  within(df, {A.mean=ave(A, ID, FUN=mean); B.mean=10*A.mean})[,c(1:3,5,4)]
 #  ID   T   A   A.mean   B.mean
 #1  1   1 1.1 1.300000 13.00000
 #2  1  10 1.3 1.300000 13.00000
 #3  1 100 1.5 1.300000 13.00000
 #4  2   1 2.6 2.233333 22.33333
 #5  2  10 1.9 2.233333 22.33333
 #6  2 100 2.2 2.233333 22.33333

或

或使用

数据的另一种方式。表

：

setDT(df)[, c("A.mean", "B.mean") := { m = mean(A); list(m, m*10) }, by=ID]

使用

ave

  within(df, {A.mean=ave(A, ID, FUN=mean); B.mean=10*A.mean})[,c(1:3,5,4)]
 #  ID   T   A   A.mean   B.mean
 #1  1   1 1.1 1.300000 13.00000
 #2  1  10 1.3 1.300000 13.00000
 #3  1 100 1.5 1.300000 13.00000
 #4  2   1 2.6 2.233333 22.33333
 #5  2  10 1.9 2.233333 22.33333
 #6  2 100 2.2 2.233333 22.33333

或

或使用

数据的另一种方式。表

：

setDT(df)[, c("A.mean", "B.mean") := { m = mean(A); list(m, m*10) }, by=ID]

---

@Arun，我正在搜索此解决方案，但无法获得正确的语法。谢谢，阿克伦，没关系。我已经感谢你的努力了。您的解决方案一点也不坏。@Arun，我正在搜索此解决方案，但无法获得正确的语法。谢谢，阿克伦，没关系。我已经感谢你的努力了。您的解决方案一点也不坏。@Arun，我正在搜索此解决方案，但无法获得正确的语法。谢谢，阿克伦，没关系。我已经感谢你的努力了。您的解决方案一点也不坏。@Arun，我正在搜索此解决方案，但无法获得正确的语法。谢谢，阿克伦，没关系。我已经感谢你的努力了。你的答案一点也不坏，也是一个很好的答案！谢谢这也是一个很好的答案！谢谢这也是一个很好的答案！谢谢这也是一个很好的答案！谢谢