如何在tidyverse中按组对数据框行子集应用函数？

问题根源 #

你之前的代码逻辑有误：case_when仅控制哪些行显示标准差结果，但计算标准差时仍使用了整个分组的所有alt_freq值，完全没过滤掉sample_size < 100的行。比如：

• 第一个代码中所有行显示相同的sdev，因为sd()计算的是全组所有数据的标准差；
• 第二个代码里小样本行显示NA，但符合条件的行的sdev依然是全组数据的结果，不是仅基于样本量≥100的行计算的。

正确实现代码 #

要实现「每组仅用sample_size ≥ 100的行计算alt_freq的标准差」，需要在计算标准差时就过滤掉不符合条件的行，同时保留原数据的所有行和分组结构：

snps_df %>% 
  group_by(rsid) %>% 
  mutate(
    # 计算仅包含样本量≥100的行的标准差
    sdev = sd(ifelse(sample_size >= 100, alt_freq, NA), na.rm = TRUE),
    # 可选：让小样本的行显示NA，仅符合条件的行展示标准差
    sdev = case_when(sample_size >= 100 ~ sdev, TRUE ~ NA_real_)
  )

代码说明 #

1. ifelse(sample_size >= 100, alt_freq, NA)：将分组内样本量不足100的行的alt_freq转为NA；
2. sd(..., na.rm = TRUE)：计算标准差时自动忽略这些NA，只使用符合条件的alt_freq值；
3. 可选的case_when：如果需要让小样本的行不显示标准差（仅保留NA），可以加上这一步，否则所有行都会显示该分组的标准差结果。

内容的提问来源于stack exchange，提问作者Ömer A.