r - 如何在R中重新组合，计算平均值并生成新的数据框？

Question

我是 R 的大一新生。
最近我在做一个小项目。
我有一个如下所示的数据集:(抱歉，出于保密目的，我无法复制真实数据)
因为在一些县，化学品已经被测量了多次。

id county chemicalA chemicalB chemicalC
1    a       0.1        NA      NA
1    a       0.3        NA      NA
1    a       0.2        NA      NA
1    a       0.2        NA      NA
2    b       0.4        0.2     NA
2    b       0.1        NA     NA
3    c       0.05       NA      0.8
4    d       NA         NA      0.4
4    d       0.2        NA      0.5
4    d       0.3        NA      0.6

现在我想按县计算化学品的平均值并生成一个理想的数据框，如下所示:

id county  meanA   meanB   meanC
 1    a     0.2     NA      NA
 2    b     0.25    0.2     NA
 3    c     0.05    NA      0.8
 4    d     0.25    NA      0.5

我用谷歌搜索并尝试过类似 tapply 的功能, group_by ，但它们并不理想。
例如， tapply只能生成一个向量，但我想要一个带有 id 的矩阵，以便我可以将它们全部合并以生成理想的数据帧。我也尝试通过 data.frame 设置数据框首先并用计算填充它，但我无法通过 id 合并它。
有没有其他方法可以帮助我生成理想的数据框？谢谢!

Answer 1

我们可以使用 summarise_at按“id”、“county”分组后

library(dplyr)
df1 %>%
   group_by(id, county) %>%
   summarise_at(vars(-group_cols()), mean, na.rm = TRUE)

如果组组合的特定列只有 NA ，这将返回 NaN当我们使用 na.rm = TRUE .为了防止这种情况，我们可以有一个 if/else健康)状况

df1 %>%
   group_by(id, county) %>%
   summarise_at(vars(-group_cols()), ~ if(all(is.na(.)))
        NA_real_ else mean(., na.rm = TRUE))

或另一个选项是 mean_来自 hablar

library(hablar)
df1 %>%
   group_by(id, county) %>%
   summarise_at(vars(-group_cols()), mean_)
# A tibble: 4 x 5
# Groups:   id [4]
#     id county chemicalA chemicalB chemicalC
#  <int> <chr>      <dbl>     <dbl>     <dbl>
#1     1 a           0.2       NA        NA  
#2     2 b           0.25       0.2      NA  
#3     3 c           0.05      NA         0.8
#4     4 d           0.25      NA         0.5

或者如果有很多其他变量，我们可以用 summarise_if 应用于数值列

df1 %>%
   group_by(id, county) %>%
   summarise_if(is.numeric, mean_)

或者对于特定变量，指定列名或列名中是否有任何模式，即这里的列名以“化学”开头

df1 %>%
   group_by(id, county) %>%
   summarise_at(vars(starts_with('chemical')), mean_)

数据

df1 <- structure(list(id = c(1L, 1L, 1L, 1L, 2L, 2L, 3L, 4L, 4L, 4L), 
    county = c("a", "a", "a", "a", "b", "b", "c", "d", "d", "d"
    ), chemicalA = c(0.1, 0.3, 0.2, 0.2, 0.4, 0.1, 0.05, NA, 
    0.2, 0.3), chemicalB = c(NA, NA, NA, NA, 0.2, NA, NA, NA, 
    NA, NA), chemicalC = c(NA, NA, NA, NA, NA, NA, 0.8, 0.4, 
    0.5, 0.6)), class = "data.frame", row.names = c(NA, -10L))