使用 dplyr 计算 R 中的条件平均值（如 SQL 中的 group by）[重复]答案

【问题标题】：Calculate conditional mean in R with dplyr (like group by in SQL) [duplicate]使用 dplyr 计算 R 中的条件平均值（如 SQL 中的 group by）[重复]
【发布时间】：2016-03-13 07:02:06
【问题描述】：

我有一个包含城市列表和每日温度记录的数据框

data = data.frame(c("Chicago", "Chicago", "New York", "New York", "Denver"),
                  c(25, 36, 23, 24, 42))

我想添加第三列，即按城市划分的平均温度

avgtemp = c(30.5, 30.5, 23.5, 23.5, 42)

我曾尝试使用包dplyr 执行此操作，但没有成功。实现这一目标的最佳方法是什么，注意完整的数据集包含 50,000 行，因此我希望代码高效。

【问题讨论】：

“但没有成功”是什么意思？请显示尝试、错误消息等。
如果值实际上是数字，请尝试ave(data[, 2], data[, 1])。 @CathG 已修复以匹配他们想要的输出。
如果数据量大，性能有问题，可以试试data.table
如果你想使用dplyr，你可以使用group_by和mutate结合使用

标签： r dplyr

【解决方案1】：

我认为您正在寻找的（如果您想使用 dplyr）是 group_by 和 mutate 功能的组合。

library(dplyr)
city <- c("a", "a", "b", "b", "c")
temp <- 1:5
df <- data.frame(city, temp)

df %>% group_by(city) %>% mutate(mean(temp))

哪个会输出：

    city  temp mean(temp)
  (fctr) (int)      (dbl)
1      a     1        1.5
2      a     2        1.5
3      b     3        3.5
4      b     4        3.5
5      c     5        5.0

顺便说一句，我认为 50,000 行对于 dplyr 来说并不是那么大的数据集。我不会太担心，除非这段代码将在某种循环中或者你有 1M+ 行。正如 Herka 在 cmets 中所建议的那样，在大多数情况下，就性能而言，data.table 是更好的选择。

编辑：删除了不必要的步骤

【讨论】：

这很好，但是如何将平均值添加到数据框中？
mutate(mean(temp)) 部分是创建附加均值列的部分。我不确定我是否理解你的真正意思。原始数据框不受影响，因为没有分配。代码示例只是打印结果。 df <- df %>% group_by(city) %>% mutate(mean(temp))
如果我想将此列附加到原始数据框，我该怎么做？
df <- df %>% group_by(city) %>% mutate(mean(temp))