dplyr 和汇总汇总；一种在不同聚合级别获得均值的简单方法

Question

我对某些测量值的总平均值以及不同条件下的平均值感兴趣，最好使用dplyr 的summarise 函数。

我将在下面说明我的问题。假设我有一些数据，借用表格this this，

dta <- read.table(header=TRUE, text='
 subject sex condition measurement
       1   M   control         7.9
       1   M     cond1        12.3
       1   M     cond2        10.7
       2   F   control         6.3
       2   F     cond1        10.6
       2   F     cond2        11.1
       3   F   control         9.5
       3   F     cond1        13.1
       3   F     cond2        13.8
       4   M   control        11.5
       4   M     cond1        13.4
       4   M     cond2        12.9
') # ; dta

我现在想要每个 sex 的平均值和每个 condition 的 sex 平均值。我知道如何为每个condition 获取它，就像这样。

# install.packages(c("dplyr"), dependencies = TRUE)
library(dplyr) 
dta %>% 
  group_by(sex, condition) %>%
  summarise(
    mean = mean(measurement)
)
#> # A tibble: 6 x 3
#> # Groups:   sex [?]
#>      sex condition  mean
#>   <fctr>    <fctr> <dbl>
#> 1      F     cond1 11.85
#> 2      F     cond2 12.45
#> 3      F   control  7.90
#> 4      M     cond1 12.85
#> 5      M     cond2 11.80
#> 6      M   control  9.70

但是，这并没有给我两性的总平​​均值。为了得到这个，我要么必须运行一个单独的电话，即

dta %>% 
  group_by(sex) %>%
  summarise(
    mean = mean(measurement)
)
#> # A tibble: 2 x 2
#>      sex     mean
#>   <fctr>    <dbl>
#> 1      F 10.73333
#> 2      M 11.45000

或解构数据结构。像这样，

# install.packages(c("tidyr"), dependencies = TRUE)
library(tidyr)
dta_wide <- spread(dta, condition, measurement)

dta_wide %>% 
  group_by(sex) %>%
  summarise(
    mean_tot = mean(cond1 + cond2 + control)/3,
    mean_cond1 = mean(cond1),
    mean_cond2 = mean(cond2),
    mean_control = mean(control)        
)
#> # A tibble: 2 x 5
#>      sex mean_tot mean_cond1 mean_cond2 mean_control
#>   <fctr>    <dbl>      <dbl>      <dbl>        <dbl>
#> 1      F 10.73333      11.85      12.45          7.9
#> 2      M 11.45000      12.85      11.80          9.7

这为我提供了sex 的总体均值和condition 的单个均值的输出。

但是，运行两个单独的调用和解构数据似乎都不必要地繁琐。难道没有一种简单的方法来添加一个分类变量，这里是condition，作为by 变量，同时保留聚合信息，这里是指sex？也许我忽略了一些合乎逻辑的东西，不应该弄乱这样的数据？

Answer 1

一种选择是分别计算两个摘要，然后返回：

dta %>% 
    group_by(sex, condition) %>% 
    summarise(mean = mean(measurement)) %>% 
    inner_join(
        group_by(dta, sex) %>% 
        summarise(mean_tot = mean(measurement))
    )

# Joining, by = "sex"
# A tibble: 6 x 4
# Groups:   sex [?]
#     sex condition  mean mean_tot
#  <fctr>    <fctr> <dbl>    <dbl>
#1      F     cond1 11.85 10.73333
#2      F     cond2 12.45 10.73333
#3      F   control  7.90 10.73333
#4      M     cond1 12.85 11.45000
#5      M     cond2 11.80 11.45000
#6      M   control  9.70 11.45000

或者使用group_by两次：

dta %>% 
    group_by(sex, condition) %>% 
    summarise(s = sum(measurement), n = n()) %>% 
    group_by(sex) %>% 
    transmute(condition, mean_tot = sum(s) / sum(n), mean = s / n)

# Adding missing grouping variables: `sex`
# A tibble: 6 x 4
# Groups:   sex [2]
#     sex condition mean_tot  mean
#  <fctr>    <fctr>    <dbl> <dbl>
#1      F     cond1 10.73333 11.85
#2      F     cond2 10.73333 12.45
#3      F   control 10.73333  7.90
#4      M     cond1 11.45000 12.85
#5      M     cond2 11.45000 11.80
#6      M   control 11.45000  9.70