在转移因子标签时如何根据因子计算平均值？

Question

我得到了按行观察的数据。有一个结果变量 y (dbl) 以及多个因素，这里称为 f_1 和 f_2。后者表示实验条件。以下最小示例反映了数据情况：

set.seed(123)

y = rnorm(10)
f_1 = factor(rep(c("A", "B"), 5))
f_2 = factor(rep(c("C", "D"), each = 5))

dat <- data.frame(y, f_1, f_2)

我想计算由 f_1 和 f_2 定义的组的 y 平均值。重要的是，我不想要 f_1 和 f_2 的每个组合的平均值，而是一方面基于 f_1 的平均值，另一方面基于 f_2 的平均值。这些应保存为 dat 中的因子，其中每个观测值都有一个 mean_f_1（数据根据 f_1 分组时的平均值）和 mean_f_2（数据根据 f_2 分组时的平均值）。新因子 mean_f_1 和 mean_f_2 的标签应对应于 f_1 和 f_2 的值 = 标签。标签是有意义的。因此，为组“A”（来自 f_1）计算的平均值应保留标签“A”（在 mean_f_1 中）。原始数据中条件变量 f_... 的数量大于 2。因此，我不想为每个因素重复代码（见 I）。

我想出了两种方法。第一个（I; group_by 方法）给出了预期的结果。但为每个因素重复代码。

I) group_by 方法

library(dplyr)

dat %>% 
  
  group_by(f_1) %>% 
  mutate(mean_f_1 = factor(mean(y), label = unique(f_1))) %>% 
  
  group_by(f_2) %>% 
  mutate(mean_f_2 = factor(mean(y), label = unique(f_2)))

换句话说，对每个因素重复“group_by - mutate”语句似乎是可以避免的。我没有设法在这里使用cross()。

另一种方法（II; ave 方法）避免代码重复，但不会分配因子标签。使用 unique() 分配因子标签会打乱原始数据中标签的顺序。

II) 方法

dat %>% mutate(across(starts_with("f"), 
                      ~ ave(y, .x, FUN = mean),
                      .names = "mean_{.col}"))

你知道如何...

• ...改进 (I) 以处理多个因素？
• ...改进 (II) 以包含因子标签？
• ...以不同的方式解决问题？

首选 dplyr 解决方案。

Answer 1

为避免对每个因素重复代码，我建议对因素进行迭代。比如：

library(dplyr)

factors = c("f_1", "f_2")

for(ff in factors){

  new_col = paste0("mean_",ff)

  dat <- dat %>% 
    group_by(!!sym(ff)) %>% 
    mutate(!!sym(new_col) := factor(mean(y), label = unique(!!sym(ff))))
}

这会产生与您的 group_by 方法相同的输出。要扩展到更多列，请将它们添加到 factors 数组中，代码将遍历它们。

!!sym(.) 用于将字符串转换为列名。还有其他几种方法可以做到这一点，请参阅programming with dplyr 小插图了解其他选项。不寻常的赋值运算符:= 与= 具有相同的行为，只是它可以接受左侧的一些准备。