r - 使用 tidyverse 计算复杂的差异分数？

Question

我有一个包含 70 000 行的大型数据集，我想对其执行一些操作，但找不到合适的解决方案。

     bib sta run course finish comment day
1    42   9   1     SG  19.88      99   1
2    42  17   2      A  19.96      11   1
3    42  27   3      B  20.92      22   1
4    42  39   4      A  19.60      11   1
5    42  48   5     SG  20.24      99   1
6    42  61   6      C  22.90      33   1
7    42  76   7      B  20.70      22   1
8    42  86   8      C  22.74      33   1
9    42  93   9      C  22.75      33   1
10   42 103  10      A  19.79      11   1
11   42 114  11      B  20.67      22   1
12   42 120  12     SG  20.10      99   1

我想以一个小标题结束:

1. 计算特定日期每个号码布在 SG 类(class)中的平均完成时间。例如，19.88 + 20.24 + 20.10/3
2. 通过从平均 SG 分数中减去 finish 来计算数据集中每个观察值的差异分数。例如，19.88 - 均值(SG)，19.96 - 均值(SG)。

我尝试了以下方法:

1. 第一组按日期、号码布和类(class)。然后通过SG过滤并计算均值:

avg.sgtime <- df %>%
  group_by(day, bib, course) %>%
  filter(course == 'SG') %>%
  mutate(avg.sg = mean(finish))

导致以下问题

 bib   sta   run course finish comment day   avg.sg
   <int> <int> <int> <chr>   <dbl>   <int> <chr>  <dbl>
 1    42     9     1 SG       19.9      99 1       20.1
 2    42    48     5 SG       20.2      99 1       20.1
 3    42   120    12 SG       20.1      99 1       20.1
 4    42     6     1 SG       20.0      99 2       19.9
 5    42    42     5 SG       19.8      77 2       19.9
 6    42   130    15 SG       19.9      99 2       19.9
 7    42     6     1 SG       20.6      99 3       20.5
 8    42    68    12 SG       20.6      77 3       20.5
 9    42    90    15 SG       20.4      77 3       20.5

最后，我使用以下语法将两个 tibbles 连接在一起:

df %>% full_join(avg.sgtime) %>%
  mutate(diff = finish - avg.sg)

但是，这是行不通的。它仅适用于 SG 类(class)，但不适用于类(class) A、B 和 C。是否有解决此问题的方法或有更好的解决方案？

bib sta run course finish comment day   avg.sg         diff
1    42   9   1     SG  19.88      99   1 20.07333 -0.193333333
2    42  17   2      A  19.96      11   1       NA           NA
3    42  27   3      B  20.92      22   1       NA           NA
4    42  39   4      A  19.60      11   1       NA           NA
5    42  48   5     SG  20.24      99   1 20.07333  0.166666667

Answer 1

您可以在 mutate() 中过滤 finish 的值，并根据这些值计算平均值:

df %>%
  group_by(day,bib) %>%
  mutate(
    avg.sg = mean(finish[course=="SG"]),
    diff = finish - avg.sg)