在R中基于区间DataFrame计算多行指定列均值

现有两个R语言DataFrame：

1. df1包含ID、POSITION、S1、S2字段，已按ID和POSITION排序：

df1=read.table(text="ID POSITION S1 S2 
1   1 10 10
1   2 20 0
1   3 10 0
1   4 20 0
1   5 10 50
2   1 10 0
2   2 20 10
2   3 20 10
2   4 20 10
2   5 20 10", header=TRUE)

2. df2为每个ID对应的位置区间数据，包含ID、POSITION_START、POSITION_END字段：

df2=read.table(text="ID POSITION_START POSITION_END
1  1              3
1  4              5
2  1              5", header=TRUE)

需要根据df2的ID和位置区间，计算df1中对应范围内S1和S2的均值，得到目标DataFrame df3：

df3=read.table(text="ID POSITION_START POSITION_END S1 S2
1  1              3            13.33  3.3
1  4              5            15  25
2  1              5            18  8", header=TRUE)

方法一：使用dplyr逐行计算 #

适合熟悉tidyverse语法的场景，逐行处理df2的区间条件，匹配df1中对应数据并计算均值：

library(dplyr)

df3 <- df2 %>%
  rowwise() %>%
  mutate(
    S1 = mean(df1$S1[df1$ID == ID & df1$POSITION >= POSITION_START & df1$POSITION <= POSITION_END]),
    S2 = mean(df1$S2[df1$ID == ID & df1$POSITION >= POSITION_START & df1$POSITION <= POSITION_END])
  ) %>%
  ungroup()

# 可选：格式化小数位数以匹配目标结果
df3 <- df3 %>%
  mutate(
    S1 = round(S1, 2),
    S2 = round(S2, 1)
  )

方法二：使用data.table非等值连接 #

适合大数据量场景，非等值连接的方式效率更高：

library(data.table)

# 转换为data.table格式
setDT(df1)
setDT(df2)

# 非等值连接并按区间分组计算均值
df3 <- df2[df1, on = .(ID, POSITION_START <= POSITION, POSITION_END >= POSITION), 
           .(S1 = mean(S1), S2 = mean(S2)), 
           by = .EACHI]

# 调整列顺序并格式化小数
setcolorder(df3, c("ID", "POSITION_START", "POSITION_END", "S1", "S2"))
df3[, `:=`(S1 = round(S1, 2), S2 = round(S2, 1))]

两种方法均可得到符合要求的df3，其中data.table方案在数据量较大时性能优势更明显。

内容的提问来源于stack exchange，提问作者Gabriel G.