dplyr：summarise() 中的用户定义函数，涉及两个输入向量答案

【问题标题】：dplyr: User defined Function in summarise() involving two input vectorsdplyr：summarise() 中的用户定义函数，涉及两个输入向量
【发布时间】：2020-04-14 17:21:12
【问题描述】：

我有一个 20 列的数据框。第 1 列是组，第 2 列是权重（未标准化为 1 或 100），第 3 到 20 列包含要聚合的数据。大约有 250 行，但只有 15 个组。因此，平均每组大约有 16-17 行。

对于第 3 到 20 列中的每一列，我需要获得分组加权平均值，权重为第 2 列。

因此，这很容易通过将所有列乘以第 2 列然后运行

group_by(df, column1)%>%

  summarise_all(sum_na)

这里sum_na是常用函数sum和na.rm=T

然后将第 3 列到第 20 列除以第 2 列。

问题在于数据帧中散布着 NA。例如，第 12 列中的第 150 行（例如属于第 5 组）具有 NA。在计算第 5 组和第 12 列的加权平均值时，分母应排除第 2 列第 150 行的权重。

如何做到这一点？对不起，很长的帖子。无法提供示例数据，因为很遗憾在办公室无法访问堆栈溢出（从移动设备发布）。

【问题讨论】：

请分享一个可重现的示例以及预期的输出

标签： r dplyr weighted-average

【解决方案1】：

这样的东西会起作用吗？

library(dplyr)

df %>%
  group_by(group) %>%
  summarise_at(vars(col1:col18), ~weighted.mean(., wt, na.rm = TRUE))

您可以选择vars 中的列范围。这将从col1 到col18 列中删除NA 值，权重列为wt。

在这个例子上试过这个：

df <- data.frame(group = rep(1:3, each  = 3), wt = 1:9, 
                 col1 = c(2:5, NA, 6:9), col2  = c(NA, 3:6, NA, 2:4))

df %>%
 group_by(group) %>%
 summarise_at(vars(col1:col2), ~weighted.mean(., wt, na.rm = TRUE))

#  group  col1  col2
#  <int> <dbl> <dbl>
#1     1  3.33  3.6 
#2     2  5.6   5.56
#3     3  8.08  3.08

【讨论】：

只是在尝试运行之前确认。假设第 23 行仅在一列中有 NA。是否会删除所有列的这一行，即使它们有值？
@Dayne 否。只有 NA 值会被忽略以从该列进行计算。
所以它不起作用。它显示了相同的错误，即 weighted.mean 中 x 和 w 的长度不相等。
你NA也在权重栏中吗？在这种情况下，您需要执行类似df %>% filter(!is.na(wt)) %>% group_by(group) %>% summarise_at(vars(col1:col2), ~weighted.mean(., wt, na.rm = TRUE)) 的操作
@Dayne reshape2 是 retired 。您可能想改用tidyr。我想这样的事情应该可以df %>% pivot_longer(cols = col1:col18, values_drop_na = TRUE) %>% group_by(group, name) %>% summarise(ans = weighted.mean(value, wt))

【解决方案2】：

我们可以使用data.table 方法

library(data.table)
setDT(df)[, lapply(.SD, function(x) weighted.mean(x, wt, na.rm = TRUE)), 
       by = group, .SDcols = col1:col18]

【讨论】：