在dplyr中对多列使用加权平均数

Question

我正在尝试使用dplyr计算多个列的加权平均值。目前，我卡在了summarize_each上，它似乎是解决方案的一部分。以下是一些示例代码：

library(dplyr)
f2a <- c(1,0,0,1)
f2b <- c(0,0,0,1)
f2c <- c(1,1,1,1)
clustervar <- c("A","B","B","A")
weight <- c(10,20,30,40)

df <- data.frame (f2a, f2b, f2c, clustervar, weight, stringsAsFactors=FALSE)
df

我需要的是类似于什么的东西

df %>%
  group_by (clustervar) %>%
  summarise_each(funs(weighted.mean(weight)), select=cbind(clustervar, f2a:f2c))

这样做的结果只有：

# A tibble: 2 × 4
  clustervar select4 select5 select6
       <chr>   <dbl>   <dbl>   <dbl>
1          A      25      25      25
2          B      25      25      25

我在这里缺少什么？

- Jan

Answer 1

你可以使用summarise_at指定要操作的列：

df %>% group_by(clustervar) %>% 
    summarise_at(vars(starts_with('f2')), 
                 funs(weighted.mean(., weight)))
#> # A tibble: 2 × 4
#>   clustervar   f2a   f2b   f2c
#>        <chr> <dbl> <dbl> <dbl>
#> 1          A     1   0.8     1
#> 2          B     0   0.0     1

- alistaire

---

谢谢Alistaire！我也错过了“.”，为了好玩。 - Jan

Answer 2

我们可以将其转换为“长”格式，然后进行此操作。

library(tidyverse)
gather(df, Var, Val, f2a:f2c) %>% 
        group_by(clustervar, Var) %>% 
        summarise(wt =weighted.mean(Val, weight)) %>%
        spread(Var, wt)

---

另一种选择是：

df %>%
    group_by(clustervar) %>% 
    summarise_each(funs(weighted.mean(., weight)), matches("^f"))
# A tibble: 2 × 4     
#    clustervar   f2a   f2b   f2c
#         <chr> <dbl> <dbl> <dbl>
# 1          A     1   0.8     1
# 2          B     0   0.0     1

---

或者使用summarise_at和matches（另一篇帖子的另一种变体-在发布时没有看到其他帖子）

df %>% 
   group_by(clustervar) %>% 
   summarise_at(vars(matches('f2')), funs(weighted.mean(., weight)))
# A tibble: 2 × 4
#   clustervar   f2a   f2b   f2c
#        <chr> <dbl> <dbl> <dbl>
#1          A     1   0.8     1
#2          B     0   0.0     1

---

另一个选择是 data.table。

library(data.table)
setDT(df)[, lapply(.SD, function(x) weighted.mean(x, weight)),
                       by = clustervar, .SDcols  = f2a:f2c]
#    clustervar f2a f2b f2c
#1:          A   1 0.8   1
#2:          B   0 0.0   1

注意：所有四个答案都基于合法的tidyverse/data.table语法，将获得预期输出。

我们还可以创建一个函数，利用dplyr开发版本的语法（即将发布的0.6.0版本）。enquo通过获取输入参数并将其转换为quosures来执行替代的相似工作。在group_by / summarise / mutate中，我们通过取消引用（UQ或!!）quosure来评估它。

wtFun <- function(dat, pat, wtcol, grpcol){
       wtcol <- enquo(wtcol)
       grpcol <- enquo(grpcol)
       dat %>%
           group_by(!!grpcol) %>%
           summarise_at(vars(matches(pat)), funs(weighted.mean(., !!wtcol)))
 }

wtFun(df, "f2", weight, clustervar)
# A tibble: 2 × 4
#   clustervar   f2a   f2b   f2c
#       <chr> <dbl> <dbl> <dbl>
#1          A     1   0.8     1
#2          B     0   0.0     1

- akrun

---

请不要删除被投票踩的回答，再重新发布它们以试图清除踩票。这被认为是滥用系统的行为，是不可接受的。有关详细信息，请参见此处。 - Brad Larson