在连接两个表时获得R中的加权平均值

Posted 2021-03-29

我只是提前为这个问题感到困惑和/或愚蠢而道歉。我是R的新手，但由于项目限制较大，我目前不得不将它用于此任务。

现在我有两个我想加入的表，RMS1和RMS2。 RMS1更大，我只想从RMS2（左连接）中携带匹配列。在大多数情况下，RMS1和RMS2是单独的数据集，每个条目都有唯一的ID，但是这两个表之间有一些重叠的ID，在这种情况下，我想得到它们共享的列的加权平均值在我加入时的共同点。

例如，我在两个表中都有列（ID，sev1，freq1，score1，count1），如果两个表中有两个相同的ID，则计数会有所不同，所以我想要一个带有加权平均值的新表sev1，freq1和score1基于计数。

我发现这个old question，我可能会为我工作，但因为我需要做13 * 3次这个计算，我没有任何R矢量的经验，我想我会问，看看是否有更多得到我想要的有效方法。

基本上，在一天结束时，我希望创建一个包含与RMS1完全相同的列的新表，但是如果需要，使用sev1，freq1，score1等作为加权平均值。

编辑：我的坏，看起来我想要一个完整的加入。然而，在这个问题的背景下并不重要，我假设我可以稍后调整这种连接，我只需要知道如何进行加权平均。我想更明确一点，我会写一个简化的表格示例：

RMS1:   id  freq1   sev1    score1  count1
        W123    1   5   3   40
        F456    2   2   4   55
        Y789    0   3   6   25

  RMS2: id  freq1   sev1    score1  count1
        S012    3   3   6   25
        Y789    3   0   3   50

Joined: id      freq1   sev1    score1  
        W123    1   5   3   
        F456    2   2   4   
        Y789    2*  1*  4*  
        S012    3   3   6

因此，已加星标的值是ID Y789（计数加权）的加权平均值，因为它出现在两个RMS表中。否则我只从两个表中获取原始值。希望这可以帮助。再次，对所有这些都是新的，抱歉格式不好。

答案

使用dplyr的解决方案。我们可以按行组合两个数据帧，然后通过每个id计算加权平均值。如果您可以在as.data.frame()上工作，则不需要最后一个tibble。

library(dplyr)

Joined <- bind_rows(RMS1, RMS2) %>%
  group_by(id) %>%
  summarise_at(vars(-count1), funs(weighted.mean(., count1))) %>%
  as.data.frame()
Joined
#     id freq1 sev1 score1
# 1 F456     2    2      4
# 2 S012     3    3      6
# 3 W123     1    5      3
# 4 Y789     2    1      4

数据

RMS1 <- read.table(text = "id  freq1 sev1 score1 count1
        W123    1   5   3   40
        F456    2   2   4   55
        Y789    0   3   6   25",
                   header = TRUE, stringsAsFactors = FALSE)

RMS2 <- read.table(text = "id  freq1 sev1 score1 count1
        S012    3   3   6   25
        Y789    3   0   3   50",
                   header = TRUE, stringsAsFactors = FALSE)