通过将数据集中的所有变量保存在 r 中来计算平均值答案

【问题标题】：calculating mean by keeping all variable in the dataset in r通过将数据集中的所有变量保存在 r 中来计算平均值
【发布时间】：2020-01-30 06:06:02
【问题描述】：

我试图通过将最终数据集中的所有变量保存在 dplyr 包中来计算时间平均值。我的示例数据集如下所示：

library(dplyr)
id <-     c(1,1,1,1, 2,2,2,2, 3,3,3,3, 4,4,4,4)
gender <- c(1,1,1,1, 2,2,2,2, 2,2,2,2, 1,1,1,1)
item.id <-c(1,1,1,2, 1,1,2,2, 1,2,3,4, 1,2,2,3)
sequence<-c(1,2,3,1, 1,2,1,2, 1,1,1,1, 1,1,2,1)
time <-   c(5,6,7,1, 2,3,4,9, 1,2,3,9, 5,6,7,8)
data <- data.frame(id, gender, item.id, sequence, time)
> data
   id gender item.id sequence time
1   1      1       1        1    5
2   1      1       1        2    6
3   1      1       1        3    7
4   1      1       2        1    1
5   2      2       1        1    2
6   2      2       1        2    3
7   2      2       2        1    4
8   2      2       2        2    9
9   3      2       1        1    1
10  3      2       2        1    2
11  3      2       3        1    3
12  3      2       4        1    9
13  4      1       1        1    5
14  4      1       2        1    6
15  4      1       2        2    7
16  4      1       3        1    8

id 代表学生 ID，gender 代表性别，item.id 代表学生参加的问题 ID，sequence 是尝试解决问题的序列号，因为学生可能会返回问题并尝试回答再次，time 是每次试验所花费的时间。

在计算时间的平均值时，我需要遵循三个步骤：

(a) 学生对每个问题进行多次试验。我需要计算具有多次试验的每个项目的平均时间。

(b) 然后计算每个id 的总时间平均值。例如，对于id=1，我有两个项目，第一个项目有 3 个试验，第二个项目有 1 个试验。首先我需要通过(5+6+7)/3=6 聚合第一项的时间，所以id=1 有item1 时间6 和item2 时间1。其次，取6 和1 并计算该学生(6+1)/2=3.5 的平均值。

(c) 最后，我想保留数据集中的所有变量。

 data <- data %>%
          group_by(id) %>%
          select(id, gender, item.id, sequence, time) %>%
          summarize(mean.time = mean(time))

我知道了，但显然这只是通过不考虑每次试验的平均值来汇总平均值，这也没有保留所有变量：

> data
# A tibble: 4 x 2
     id mean.time
  <dbl>     <dbl>
1     1      4.75
2     2      4.5 
3     3      3.75
4     4      6.5

我以为select() 会保留所有变量。

最终的数据集应如下所示：

> data
   id gender item.id sequence time  mean.time
1   1      1       1        1    5    3.5
2   1      1       1        2    6    3.5
3   1      1       1        3    7    3.5
4   1      1       2        1    1    3.5
5   2      2       1        1    2    4.5
6   2      2       1        2    3    4.5
7   2      2       2        1    4    4.5
8   2      2       2        2    5    4.5
9   3      2       1        1    1    3.75
10  3      2       2        1    2    3.75
11  3      2       3        1    3    3.75
12  3      2       4        1    9    3.75
13  4      1       1        1    5    6.5
14  4      1       2        1    6    6.5
15  4      1       2        2    7    6.5
16  4      1       3        1    8    6.5

我使用了dplyr，但打开了任何其他解决方案。提前致谢！

【问题讨论】：

标签： r aggregate

【解决方案1】：

我们可以使用mutate 代替summarise，因为summarise 返回每个组1 行的汇总输出，而mutate 在数据集中创建一个新列

...
  %>% 
      mutate(mean.time = mean(time))

如果我们想得到mean的mean，那么先按'id'、'item.id'分组，得到mean，再按'id'分组，得到mean unique 个元素

data %>%
   group_by(id, item.id) %>% 
   mutate(mean.time = mean(time)) %>% 
   group_by(id) %>% 
   mutate(mean.time = mean(unique(mean.time)))
# A tibble: 16 x 6
# Groups:   id [4]
#      id gender item.id sequence  time mean.time
#   <dbl>  <dbl>   <dbl>    <dbl> <dbl>     <dbl>
# 1     1      1       1        1     5      3.5 
# 2     1      1       1        2     6      3.5 
# 3     1      1       1        3     7      3.5 
# 4     1      1       2        1     1      3.5 
# 5     2      2       1        1     2      4.5 
# 6     2      2       1        2     3      4.5 
# 7     2      2       2        1     4      4.5 
# 8     2      2       2        2     9      4.5 
# 9     3      2       1        1     1      3.75
#10     3      2       2        1     2      3.75
#11     3      2       3        1     3      3.75
#12     3      2       4        1     9      3.75
#13     4      1       1        1     5      6.5 
#14     4      1       2        1     6      6.5 
#15     4      1       2        2     7      6.5 
#16     4      1       3        1     8      6.5

或者，我们可以通过match 获取“item.id”的第一个位置，提取“mean.time”并获取mean

，而不是创建第二个分组依据

data %>%
   group_by(id, item.id) %>% 
   mutate(mean.time = mean(time), 
          mean.time = mean(mean.time[match(unique(item.id), item.id)]))

或者使用summarise，然后使用left_join

data %>%
  group_by(id, item.id) %>%
  summarise(mean.time = mean(time)) %>%
  group_by(id) %>%
  summarise(mean.time = mean(mean.time)) %>%
  right_join(data)

【讨论】：

我明白了。那么，我怎样才能考虑到序列内的平均值呢？你能看看(a)和(b)之后的例子吗？
实际上还有一件事。当您使用unique(mean.time) 时，它会消除重复值。如果某些问题具有相同的mean.time 值怎么办？
@amisos55 它将返回相同的值，即mean(c(5, 5))
假设mean.time <- c(2,3,4,4,5,5,6)。取平均值mean(mean.time)= 4.14，但不包括重复值，取平均值unique() 它给出mean(unique(mean.time)) = 4。没有unique()，有没有办法做到这一点？
@amisos55 在这种情况下，连接解决方案应该可以工作，对吧？