如何根据 R 中的条件对多列取平均值？

Posted 2023-03-24

【中文标题】如何根据 R 中的条件对多列取平均值？

【英文标题】：How do I take an average over multiple columns based on conditions in R?

【发布时间】：2021-07-29 03:04:03

【问题描述】：

tconst            averageRating language startYear
1 tt0000001           5.7       en      1894
2 tt0000002           6.0       de      1892
3 tt0000003           6.5       ja      1892
4 tt0000004           6.1       es      1892
5 tt0000007           5.4       de      1894
6 tt0000008           5.4       ja      1894

如何找到每种语言每年的平均评分？那么每年所有ja的平均值？我想以包含两列的每种语言的数据框结束，一列包含所有年份，另一列包含当年的平均 averageRating（示例如下）

Year Rating
1990   6.0
1991   5.7
1992   6.2
1993   5.5
1994   6.5
1995   6.7

我能想到的唯一方法是使用三个 for 循环，但这似乎低效无望，一定有更好的方法吗？

谢谢

【参考方案1】：

startYear 和 language 的第一组。然后通过mean(averageRating) 汇总，然后pivot_wider() 合并所有语言的输出：

require(tidyr)
require(dplyr)
df <- df %>% group_by(startYear,language) %>% 
             dplyr::summarise(Rating=mean(averageRating)) %>%
             tidyr::pivot_wider(names_from = language, values_from = Rating)
> df 
  startYear    de    es    ja    en
      <dbl> <dbl> <dbl> <dbl> <dbl>
1      1892   6     6.1   6.5  NA  
2      1894   5.4  NA     5.4   5.7

---

更整洁（感谢@LMc）：

df %>% tidyr::pivot_wider(id_cols = startYear, names_from = language, values_from = averageRating, values_fn = function(x) mean(x, na.rm = T))
  startYear    de    es    ja    en
      <dbl> <dbl> <dbl> <dbl> <dbl>
1      1892   6     6.1   6.5  NA  
2      1894   5.4  NA     5.4   5.7

---

数据：

df <- data.frame(tconst = c("tt0000001","tt0000002","tt0000003","tt0000004","tt0000007","tt0000008"), averageRating=c(5.7,6.0,6.5,6.1,5.4,5.4),language=c("en","de","ja","es","de","ja"), startYear = c(1894,1892,1892,1892,1894,1894))

【讨论】：

您可以将其简化为：df %>% tidyr::pivot_wider(id_cols = startYear, names_from = language, values_from = averageRating, values_fn = function(x) mean(x, na.rm = T))