计算除当前组之外的所有组的平均值

Question

我有一个包含两个分组变量“mkt”和“mdl”以及一些值“pr”的数据框：

df <- data.frame(mkt = c(1,1,1,1,2,2,2,2,2),
                 mdl = c('a','a','b','b','b','a','b','a','b'),
                 pr = c(120,120,110,110,145,130,145,130, 145))

df

  mkt mdl  pr
1   1   a 120
2   1   a 120
3   1   b 110
4   1   b 110
5   2   b 145
6   2   a 130
7   2   b 145
8   2   a 130
9   2   b 145

在每个 'mkt' 中，每个 'mdl' 的平均 'pr' 应该计算为同一 'mkt' 中所有其他 'mdl' 的 'pr' 的平均值，除了当前的“mdl”。

例如，对于由mkt == 1 和mdl == a 定义的组，'avgother' 计算为mkt == 1（相同'mkt'）和mdl == b（所有其他' mdl' 比当前组a)。

想要的结果：

#   mkt mdl  pr avgother
# 1   1   a 120      110
# 2   1   a 120      110
# 3   1   b 110      120
# 4   1   b 110      120
# 5   2   b 145      130
# 6   2   a 130      145
# 7   2   b 145      130
# 8   2   a 130      145
# 9   2   b 145      130

Answer 1

首先获取每个mkt 和mdl 值的平均值，然后为每个mkt 排除当前值并获取剩余值的平均值。

library(dplyr)
library(purrr)

df %>%
  group_by(mkt, mdl) %>%
  summarise(avgother = mean(pr)) %>%
  mutate(avgother = map_dbl(row_number(), ~mean(avgother[-.x]))) %>%
  ungroup %>%
  inner_join(df, by = c('mkt', 'mdl'))

#    mkt mdl   avgother    pr
#  <dbl> <chr>    <dbl> <dbl>
#1     1 a          110   120
#2     1 a          110   120
#3     1 b          120   110
#4     1 b          120   110
#5     2 a          145   130
#6     2 a          145   130
#7     2 b          130   145
#8     2 b          130   145
#9     2 b          130   145

Answer 2

使用data.table，通过“mkt”计算总和和长度。然后，在每个 mkt-mdl 组内，计算平均值为(mkt sum - group sum) / (mkt length - group length)

library(data.table)
setDT(df)[ , `:=`(s = sum(pr), n = .N), by = mkt]
df[ , avgother := (s - sum(pr)) / (n - .N), by = .(mkt, mdl)]
df[ , `:=`(s = NULL, n = NULL)]
#    mkt mdl  pr avgother
# 1:   1   a 120      110
# 2:   1   a 120      110
# 3:   1   b 110      120
# 4:   1   b 110      120
# 5:   2   b 145      130
# 6:   2   a 130      145
# 7:   2   b 145      130
# 8:   2   a 130      145
# 9:   2   b 145      130

Answer 3

考虑具有多个ave 的基R 调用，使用sum / count 的均值分解版本进行不同级别的分组计算：

df <- within(df, {
      avgoth <- (ave(pr, mkt, FUN=sum) - ave(pr, mkt, mdl, FUN=sum)) /
                  (ave(pr, mkt, FUN=length) - ave(pr, mkt, mdl, FUN=length))
})

df
#   mkt mdl  pr avgoth
# 1   1   a 120    110
# 2   1   a 120    110
# 3   1   b 110    120
# 4   1   b 110    120
# 5   2   b 145    130
# 6   2   a 130    145
# 7   2   b 145    130
# 8   2   a 130    145
# 9   2   b 145    130

Answer 4

为了完整起见，这里是另一个data.table 方法，它使用按每个 i 分组，即同时加入和聚合。

为了演示，我们使用了一个增强的样本数据集，该数据集具有包含 3 种产品的第三市场：

df <- data.frame(mkt = c(1,1,1,1,2,2,2,2,2,3,3,3),
                 mdl = c('a','a','b','b','b','a','b','a','b', letters[1:3]),
                 pr = c(120,120,110,110,145,130,145,130, 145, 1:3))

library(data.table)
mdt <- setDT(df)[, .(mdl, s = sum(pr), .N), by = .(mkt)]
df[mdt, on = .(mkt, mdl), avgother := (sum(pr) - s) / (.N - N), by = .EACHI][]

    mkt mdl  pr avgother
 1:   1   a 120    110.0
 2:   1   a 120    110.0
 3:   1   b 110    120.0
 4:   1   b 110    120.0
 5:   2   b 145    130.0
 6:   2   a 130    145.0
 7:   2   b 145    130.0
 8:   2   a 130    145.0
 9:   2   b 145    130.0
10:   3   a   1      2.5
11:   3   b   2      2.0
12:   3   c   3      1.5

临时表mdt 包含每个mkt 内的价格总和和计数，但在市场内为每个产品mdl 复制：

mdt

    mkt mdl   s N
 1:   1   a 460 4
 2:   1   a 460 4
 3:   1   b 460 4
 4:   1   b 460 4
 5:   2   b 695 5
 6:   2   a 695 5
 7:   2   b 695 5
 8:   2   a 695 5
 9:   2   b 695 5
10:   3   a   6 3
11:   3   b   6 3
12:   3   c   6 3

在mdt 中有mkt 和 mdl 允许按每个 i 分组 (by = .EACHI)

Answer 5

这是一种在计算平均值之前通过子集pr 值直接计算avgother 的方法，这些值不属于mdl 的实际值。

这与迄今为止发布的其他答案完全不同，这有理由将其作为单独的答案发布，恕我直言。

# enhanced sample dataset covering more corner cases
df <- data.frame(mkt = c(1,1,1,1,2,2,2,2,2,3,3,3,4),
                 mdl = c('a','a','b','b','b','a','b','a','b', letters[1:3],'d'),
                 pr = c(120,120,110,110,145,130,145,130, 145, 1:3, 9))

library(data.table)
setDT(df)[, avgother := sapply(mdl, function(m) mean(pr[m != mdl])), by = mkt][]

    mkt mdl  pr avgother
 1:   1   a 120    110.0
 2:   1   a 120    110.0
 3:   1   b 110    120.0
 4:   1   b 110    120.0
 5:   2   b 145    130.0
 6:   2   a 130    145.0
 7:   2   b 145    130.0
 8:   2   a 130    145.0
 9:   2   b 145    130.0
10:   3   a   1      2.5
11:   3   b   2      2.0
12:   3   c   3      1.5
13:   4   d   9      NaN

方法之间的区别

其他答案或多或少共享相同的方法（尽管以不同的方式实现）

1. 为每个mkt 计算pr 的总和和计数
2. 为每个mkt 和mdl 计算pr 的总和和计数
3. 从 mkt 总和和计数中减去 mkt/mdl 总和和计数
4. 计算avgother

这种方法

• 按mkt分组
• 在每个mkt 内循环通过mdl，
• 子集pr 删除不属于mdl 实际值的值
• 在直接计算mean()之前。

关于性能的警告：虽然代码本质上是单行，但这并不意味着它是最快的。