尽可能使r中的代码更加优雅和简短-r

一点背景：这是一段代码，用于计算一只名为BOE 1的老鼠在12天的研究过程中平均行走的距离，每天重复4次实验。每个数据集中有19只老鼠接受测试

问题：我想计算每个鼠标的平均移动距离，并将其放入表格中。我所做的一切都是可行的，但我很好奇是否有办法使下面的代码更短、重复性更少

尝试的选项：

mean(BOE.1Data$Distance.cm[BOE.1Data$Day == c(1,2, ect)]
mean(BOE.1Data$Distance.cm[BOE.1Data$Day == c(1|2| ect)]
mean(BOE.1Data$Distance.cm[BOE.1Data$Day == c(1&2& ect)]

这些都不适合我

代码：

Distance.1 = c(mean(BOE.1Data$Distance.cm[BOE.1Data$Day == 1]),
               mean(BOE.1Data$Distance.cm[BOE.1Data$Day == 2]), 
               mean(BOE.1Data$Distance.cm[BOE.1Data$Day == 3]),
               mean(BOE.1Data$Distance.cm[BOE.1Data$Day == 4]),
               mean(BOE.1Data$Distance.cm[BOE.1Data$Day == 5]),
               mean(BOE.1Data$Distance.cm[BOE.1Data$Day == 6]),
               mean(BOE.1Data$Distance.cm[BOE.1Data$Day == 7]), 
               mean(BOE.1Data$Distance.cm[BOE.1Data$Day == 8]), 
               mean(BOE.1Data$Distance.cm[BOE.1Data$Day == 9]), 
               mean(BOE.1Data$Distance.cm[BOE.1Data$Day == 10]), 
               mean(BOE.1Data$Distance.cm[BOE.1Data$Day == 11]), 
               mean(BOE.1Data$Distance.cm[BOE.1Data$Day == 12]))

---

您可以使用

by（）

执行此操作：

---

n一种方法，包含
数据。表
。将“data.frame”转换为“data.table”（
setDT（BOE.1Data）
），按“Day”分组，得到“Distance.cm”的
平均值

library(data.table)
setDT(BOE.1Data)[, .(MeanDist = mean(Distance.cm)) , by = Day]

另一种使用
dplyr
和
magrittr
的方法是使用
arrange（）
来确保它们是有序的

Distance.1 <- BOE.1Data %>% group_by(Day) %>%
      mutate(mean_dist=mean(Distance.cm)) %>%
      arrange(Day) %$% mean_dist

Distance.1%按天分组%>%
变异（平均距离=平均距离（cm））%>%
安排（天）%$%平均距离
欢迎来到StackOverflow。请提供您想要的
（BOE.1Data，tapply（Distance.cm，Day，mean））
，但如果没有样本输入和所需输出，很难确定。1。对于R2中的
-循环，应该避免使用
。你的代码显然不能按你想象的方式工作。我被教导应该使用for循环来缩短代码。我只是想提供一些帮助，并提供一种解决问题的方法，但我是半新手，因此没有测试代码的数据，我无法保证代码的准确性。
library(data.table)
setDT(BOE.1Data)[, .(MeanDist = mean(Distance.cm)) , by = Day]

Distance.1 <- BOE.1Data %>% group_by(Day) %>%
      mutate(mean_dist=mean(Distance.cm)) %>%
      arrange(Day) %$% mean_dist