使用 R dplyr 汇总数据答案

【问题标题】：Using R dplyr to summarize data使用 R dplyr 汇总数据
【发布时间】：2020-11-24 04:33:42
【问题描述】：

我有这个 df，其中有 3 个列：年份、治疗组/对照组和双变量。

year    T/C      Var
<int>   <int>   <dbl>
1992    0       15.5
1992    0       0.0
1993    0       17.5
1993    0       20.5
1992    1       40.5
1992    1       2.0
1993    1       27.0
1993    1       19.5

我可以做一个与此类似的表格，其中列是处理/控制，行是年份，单元格由该组的 var 的平均值填充？

        0                       1
    
1992    mean(var(0, 1992))      mean(var(1, 1992))
1993    mean(var(0, 1993))      mean(var(1, 1993))

我尝试了 group_by 并像这样总结，但我不知道如何使 T/C 成为列。

df %>% group_by(year, T/C) %>% summarise(across(everything(), list(mean)))

【问题讨论】：

标签： r dplyr

【解决方案1】：

您可以使用pivot_wider获取宽格式数据并将函数mean应用于数据中的每组值。

library(tidyr)
result <- pivot_wider(df, names_from = T.C, values_from = Var, values_fn = mean)
result

#   year   `0`   `1`
#  <int> <dbl> <dbl>
#1  1992  7.75  21.2
#2  1993 19     23.2

在data.table 中，您可以使用dcast。

library(data.table)
dcast(setDT(df), year~T.C, value.var = 'Var', fun.aggregate = mean)

数据

df <- structure(list(year = c(1992L, 1992L, 1993L, 1993L, 1992L, 1992L, 
1993L, 1993L), T.C = c(0L, 0L, 0L, 0L, 1L, 1L, 1L, 1L), Var = c(15.5, 
0, 17.5, 20.5, 40.5, 2, 27, 19.5)), class = "data.frame", row.names = c(NA, -8L))

【讨论】：

【解决方案2】：

包：

library('dplyr')
library('tidyr')

数据：

table <- read.table(header=TRUE, text="
  year    T/C      Var
  1992    0       15.5
1992    0       0.0
1993    0       17.5
1993    0       20.5
1992    1       40.5
1992    1       2.0
1993    1       27.0
1993    1       19.5
")

使用管道将group_by和tidyr中的spread结合起来是另一种解决这个问题的方法。但是，它似乎比 Ronak Shah 的响应要长一点，它确实具有相同的结果。

table <- table %>%
  mutate(T.C = as.character(T.C)) %>%
  group_by(year, T.C) %>%
  summarise(Mean_Var = mean(Var)) %>%
  spread(T.C, Mean_Var)

结果：

# A tibble: 2 x 3
# Groups:   year [2]
   year   `0`   `1`
  <int> <dbl> <dbl>
1  1992  7.75  21.2
2  1993 19     23.2

【讨论】：