没有过滤器或left_join的分组数据的条件计数和平均值答案

【问题标题】：Conditional count and mean by grouped data without filter or left_join没有过滤器或left_join的分组数据的条件计数和平均值
【发布时间】：2018-12-04 09:57:54
【问题描述】：

如何在不使用 dplyr 过滤的情况下通过分组数据计算条件计数和平均值？我既不想使用过滤器缩小数据集，也不想 left_join 数据以获取原始大小（加长）的数据集。这可能吗？

这是一个案例：

mtcars %>% filter(cyl>4, gear% group_by(gear, carb, am) %>% mutate(avg_mpg = mean(mpg, na.rm = T), cnt = n( ))

不使用filter或left_join如何得到以上结果？

【问题讨论】：

你的意思是mtcars %>% group_by(gear, carb, am) %>% mutate(avg_mpg = mean(mpg[cyl>4 & gear< 5], na.rm = TRUE))
@ckrun 您能否在建议的答案中包含计数？
是的，mtcars %>% group_by(gear, carb, am) %>% mutate(avg_mpg = mean(mpg[cyl>4 & gear< 5], na.rm = TRUE), cnt= n())
这是你想要的吗？\
在这种情况下，cnt = sum(cyl>4 & gear <5))

标签： r dplyr tidyverse

【解决方案1】：

我们可以将条件创建为逻辑列，并使用它按组对“mpg”进行子集化以获得mean 值，类似地，“cnt”计算为逻辑向量的sum

mtcars %>%
       mutate(ind = cyl > 4 & gear < 5) %>%
       group_by(gear, carb, am) %>%
       mutate(avg_mpg = mean(mpg[ind], na.rm= TRUE),
              cnt = sum(ind)) %>%
       select(-ind)

注意：创建“ind”列只是因为我们多次使用条件。

【讨论】：