在dplyr::distinct()中使用数据掩码函数合并重复ID行并计算列均值的语法求助

嘿，我来帮你搞定这个需求！你想要对重复ID的行进行合并，同时计算每列的均值，其实不用在distinct()里硬凑逻辑——dplyr的group_by() + summarise(across())才是最直接、规范的解决方案，完全能达到你想要的效果。

正确实现代码 #

先直接上能得到你期望结果的代码：

library(dplyr)

# 你的原始数据
a <- data.frame(
  "ID" = rep(1:3, each = 2) %>% as.numeric(),
  "x" = rep(1:3, each = 2) %>% as.numeric(),
  "y" = 1:6 %>% as.numeric()
)

# 按ID分组，计算所有列的均值
final_result <- a %>%
  group_by(ID) %>%
  summarise(across(everything(), ~ mean(.x, na.rm = TRUE)))

print(final_result)

运行后会得到你想要的输出：

# A tibble: 3 × 3
     ID     x     y
  <dbl> <dbl> <dbl>
1     1   1.5   1.5
2     2   2.5   3  
3     3   3     5.5

为什么你之前的方法行不通？ #

咱们来拆解下你之前尝试的问题：

1. 第一个grouped_mean函数的问题：
   你在distinct()里调用grouped_mean(a, ID)时，这个函数是对**整个数据集a**计算ID的均值，而不是针对每个ID分组计算。所以它返回的是全局均值，不是你要的分组均值，自然会多出一个奇怪的mean列。而且distinct()的核心作用是去重，不是做分组聚合，硬在这里塞聚合函数会逻辑混乱。

2. 第二个row_mean函数的问题：
   你把row_mean(a, ID)传给distinct()的参数，但distinct()的第三个参数是用来指定去重的键，不是执行聚合的逻辑。所以它只是按ID去重后保留了每个ID的第一行数据，根本没触发你的聚合函数。

如果一定要用distinct()实现（不推荐） #

虽然不建议这么做（效率低且逻辑不直观），但如果好奇怎么用distinct()达成目标，可以这么写：

a %>%
  distinct(ID, .keep_all = TRUE) %>%
  mutate(
    across(c(x, y), ~ mean(a[[cur_column()]][a$ID == ID], na.rm = TRUE))
  )

这种方法是先去重保留每个ID的一行，再通过mutate手动匹配每个ID的所有行计算均值，但大数据集下会比group_by()慢很多，因为每次都要子集化数据。

总结 #

最推荐的还是group_by() + summarise(across())，这是dplyr专门设计用来处理分组聚合的标准流程，代码清晰、效率高，后续维护也更容易。

内容的提问来源于stack exchange，提问作者Pål Bjartan