按组向原始数据添加一列平均值

Question

我想根据 R data.frame 中的因子列添加一列均值。像这样：

df1 <- data.frame(X = rep(x = LETTERS[1:2], each = 3), Y = 1:6)
df2 <- aggregate(data = df1, Y ~ X, FUN = mean)
df3 <- merge(x = df1, y = df2, by = "X", suffixes = c(".Old",".New"))
df3
#   X Y.Old Y.New
# 1 A     1     2
# 2 A     2     2
# 3 A     3     2
# 4 B     4     5
# 5 B     5     5
# 6 B     6     5

为了解决这个问题，我必须创建两个不必要的data.frames。我想知道一种方法，可以将一列均值按因子列附加到我的原始 data.frame 中，而不创建任何额外的 data.frames。感谢您的时间和帮助。

Answer 1

执行此操作的两种替代方法：

1) 使用 dplyr 包：

library(dplyr)
df1 <- df1 %>% 
  group_by(X) %>% 
  mutate(Y.new = mean(Y))

2) 带有 data.table 包：

library(data.table)
setDT(df1)[, Y.new := mean(Y), by = X]

两者都给出以下结果：

<前><代码>> df1
XY Y 新
1：A 1 2
2：A 2 2
3：A 3 2
4：B 4 5
5：B 5 5
6：B 6 5

Answer 2

这就是 ave 函数的用途。

df1$Y.New <- ave(df1$Y, df1$X)

Answer 3

ddply 和 transform 可以解决这个问题（尽管我确信您至少会得到 4 种不同的方法来做到这一点）：

library(plyr)
ddply(df1,.(X),transform,Y.New = mean(Y))
  X Y Y.New
1 A 1     2
2 A 2     2
3 A 3     2
4 B 4     5
5 B 5     5
6 B 6     5

Answer 4

乔兰回答得很漂亮，这不是对你问题的回答，而是谈话的延伸。如果您正在寻找两个分类变量与因变量的关系的均值表，则可以使用 Hadley 函数：

cast(CO2, Type ~ Treatment, value="uptake", fun.aggregate=mean, margins=TRUE)

这是 CO2 数据的主视图，并查看均值表：

> head(CO2)
  Plant   Type  Treatment conc uptake
1   Qn1 Quebec nonchilled   95   16.0
2   Qn1 Quebec nonchilled  175   30.4
3   Qn1 Quebec nonchilled  250   34.8
4   Qn1 Quebec nonchilled  350   37.2
5   Qn1 Quebec nonchilled  500   35.3
6   Qn1 Quebec nonchilled  675   39.2

> library(reshape)

> cast(CO2, Type ~ Treatment, mean, margins=TRUE)  
         Type nonchilled  chilled    (all)
1      Quebec   35.33333 31.75238 33.54286
2 Mississippi   25.95238 15.81429 20.88333
3       (all)   30.64286 23.78333 27.21310