dplyr：按组查找每个 bin 的平均值

我正在尝试理解 dplyr。我按组、箱和符号拆分数据框中的值，并且尝试获取每个组/箱/符号组合的平均值。我想输出一个数据框，其中包含每个组/箱/符号组合的这些计数以及每个组的总数。我想我有它，但有时与 ddplyr 的输出相比，我在基本 R 中得到不同的值。我这样做正确吗？也很扭曲……有更直接的方法吗？

library(ggplot2)
df <-  data.frame(
id = sample(LETTERS[1:3], 100, replace=TRUE),
tobin = rnorm(1000),
value = rnorm(1000)
)
df$tobin[sample(nrow(df), 10)]=0

df$bin = cut_interval(abs(df$tobin), length=1)
df$sign = ifelse(df$tobin==0, "NULL", ifelse(df$tobin>0, "-", "+"))


# Find mean of value by group, bin, and sign using dplyr
library(dplyr)
res <- df %>% group_by(id, bin, sign) %>%
        summarise(Num = length(bin), value=mean(value,na.rm=TRUE))

        res %>% group_by(id) %>%
                summarise(total= sum(Num))
            res=data.frame(res)
            total=data.frame(total)
            res$total = total[match(res$id, total$id),"total"]            

res[res$id=="A" & res$bin=="[0,1]" & res$sign=="NULL",]

# Check in base R if mean by group, bin, and sign is correct # Sometimes not?
groupA = df[df$id=="A" & df$bin=="[0,1]" & df$sign=="NULL",]
mean(groupA$value, na.rm=T)

我快要疯了，因为它对我的数据不起作用，而且这个命令只是重复整个数据集的平均值：

ddply(df, .(id, bin, sign), summarize, mean = mean(value,na.rm=TRUE))

其中mean等于mean(value,na.rm=TRUE)，完全忽略分组...所有组都是因子，并且值是数字...

然而这有效：

with(df, aggregate(df$value, by = list(id, bin, sign), FUN = function(x) c(mean(x))))

请帮我..

你好像有点动摇了。您已经获得了正确的代码，然后您还获得了额外的代码。

从新的 R 会话开始并定义您的数据，然后

library(dplyr)
res <- df %>% group_by(id, bin, sign) %>%
        summarise(Num = n(), value = mean(value,na.rm=TRUE))

上面的代码来自你的问题，但我替换了length(bin)与内置的dplyr::n()功能。上面的代码准确地给出了分组平均值：

head(res)
#   id   bin sign Num       value
# 1  A [0,1]    - 122 -0.08330338
# 2  A [0,1]    + 111  0.11394381
# 3  A [0,1] NULL   2  0.75232462
# 4  A (1,2]    -  54 -0.09236725
# 5  A (1,2]    +  45  0.20581095
# 6  A (2,3]    -  12 -0.08998771

跳转到代码块中的最后几行：

groupA = df[df$id=="A" & df$bin=="[0, 1]" & df$sign=="NULL", ]
# mean(groupA$value, na.rm=T)
# [1] 0.7523246

与上面结果的第 3 行相匹配。所以你做到了，效果很好！

你的其余代码很混乱：

res %>% group_by(id) %>%
                summarise(total= sum(Num))

我不确定你想用这个来完成什么，但你没有将它分配给任何东西，所以它会运行但不会保存。

至于你的ddply试图：

ddply(df, .(id, bin, sign), summarize, mean = mean(value,na.rm=TRUE))

你会注意到，如果你有dplyr加载然后加载plyr图书馆，有一条消息：

您在 dplyr 之后加载了 plyr - 这可能会导致问题。 如果您需要 plyr 和 dplyr 的函数，请先加载 plyr，然后加载 dplyr： 库（plyr）；图书馆（dplyr）

不要忽视这个警告！我猜这件事发生了，你忽略了它，这就是你麻烦的根源之一。也许你不需要plyr完全没有，但如果你这样做，请加载它before dplyr!