根据两个其他变量的条件创建一个新变量，该变量是一个变量的平均值（并保持数据集中的所有其他变量）。

Question

这是我正在处理的数据集的（缩短版）样本。该样本代表了一个有2个会话（session_number）实验的数据，每个参与者在每个会话中完成5次握力锻炼试验（因此总共进行10次试验；2*5 = 10）。每个试验都有3个握力强度观测值（percent_of_maximum）。我想要获得这些3个观测值的平均值（下面称之为mean_by_trial），用于每个10个试验中的每个试验。

最后，这正是我卡住的地方，我想输出一个长度为20行的数据集（每个独特试验一个行, 每个参与者有10个试验; 2*10 = 20），并保留所有其他变量。所有其他变量（在示例中有：placebo，support，personality和perceived_difficulty）对于每个独特的Participant，trial_number或session_number都将是相同的（请参阅以下示例数据集）。

我尝试使用ddply来完成这个任务，基本上就是我想要的，但新数据集不包含数据集中的其他变量（new_dat只包含trial_number，session_number，Participant和新的mean_by_trial变量）。如何保留其他变量？

#create sample data frame
dat <- data.frame(
  Participant = rep(1:2, each = 30),
  placebo = c(replicate(15, "placebo"), replicate(15, "control"), replicate(15, "control"), replicate(15, "placebo")),
  support = rep(sort(rep(c("support", "control"), 3)), 10),
  personality = c(replicate(30, "nice"), replicate(30, "naughty")),
  session_number = c(rep(1:2, each = 15), rep(1:2, each = 15)),
  trial_number = c(rep(1:5, each = 3), rep(1:5, each = 3), rep(1:5, each = 3), rep(1:5, each = 3)),
  percent_of_maximum = runif(60, min = 0, max = 100),
  perceived_difficulty = runif(60, min = 50, max = 100)
)

#this is what I have tried so far
library(plyr)
new_dat <- ddply(dat, .(trial_number, session_number, Participant), summarise, mean_by_trial = mean(percent_of_maximum), .drop = FALSE)

我希望new_dat包含 dat 中的所有变量，加上 mean_by_trial 变量。谢谢!

- arranjdavis

Answer 1

我们可以使用mutate代替summarise在数据集中创建一列，然后进行slice操作。最初的回答。

library(dplyr)
out <- ddply(dat, .(trial_number, session_number, Participant), 
   plyr::mutate, mean_by_trial = mean(percent_of_maximum), .drop = FALSE)
out %>%
       group_by(trial_number, session_number, Participant) %>%
       slice(1)

如果我们使用dplyr，那么这一切都可以在一个链式结构中完成。最初的回答。

newdat <- dat %>% 
            group_by(trial_number, session_number, Participant) %>%
            mutate(mean_by_trial = mean(percent_of_maximum)) %>%
            slice(1)
head(newdat)
# A tibble: 6 x 9
# Groups:   trial_number, session_number, Participant [6]
  Participant placebo support personality session_number trial_number percent_of_maximum perceived_difficulty mean_by_trial
#        <int> <fct>   <fct>   <fct>                <int>        <int>              <dbl>                <dbl>         <dbl>
#1           1 placebo control nice                     1            1               71.5                 95.5          73.9
#2           2 control control naughty                  1            1               38.9                 63.8          67.7
#3           1 control support nice                     2            1               97.1                 54.2          68.4
#4           2 placebo support naughty                  2            1               62.9                 86.2          40.4
#5           1 placebo support nice                     1            2               49.0                 95.8          65.7
#6           2 control support naughty                  1            2               80.9                 74.6          68.3

- akrun

Answer 2

这里有一个简洁明了的tidyverse解决方案。首先，您需要按感兴趣的变量进行group_by。然后使用mutate在一个新列中计算所需的平均值。

由于新均值列中的值会在变量之间重复出现，因此使用distinct函数保留唯一行。换句话说，为每个Participant、session_number和trial_number组合选择一行。

这是答案（https://dev59.com/yVkT5IYBdhLWcg3wFroT#39092166）提供在：R - dplyr Summarize and Retain Other Columns。

new_dat <- dat %>%
    group_by(Participant, session_number, trial_number) %>%
    mutate(mean = mean(percent_of_maximum)) %>% 
    distinct(mean, .keep_all = TRUE)

- aaaakkkkk