如何基于列均值与分组变量使用dplyr的mutate进行数据变换？

我有如下示例数据，想要用mutate()创建新列，让每个dist值减去整个dist列的均值。更进一步，我希望这个均值是基于qtr分组计算的——比如qtr == 1的所有dist值，都减去qtr == 1时dist列的均值，其他季度以此类推。

示例数据生成代码：

library(tidyverse)   

set.seed(10)
rd <- rep(rep(c(1:20), each = 4))
qtr <- rep(c(1:4), times = 20)
dist <- round(rnorm(n = 80, mean = 3000, sd = 500))
df <- data.frame(rd, qtr, dist)

我目前写出的代码只能计算整体均值的差值，不知道如何纳入qtr分组逻辑：

dat %>%
  mutate(new_column = (dist - mean(dist)))

要实现按qtr分组计算均值并生成差值列，只需在mutate()前添加group_by(qtr)，这样mean(dist)会自动在每个qtr分组内计算，而非整个数据集的全局均值。

核心代码 #

df %>%
  group_by(qtr) %>%
  mutate(new_column = dist - mean(dist)) %>%
  ungroup()  # 可选，若后续无需保留分组状态可执行此步

代码说明 #

• group_by(qtr)：将数据集按qtr变量分组，后续所有计算都会在各个分组内独立进行
• mutate(new_column = dist - mean(dist))：在每个分组内，用dist的每个值减去该分组的dist均值，生成目标新列
• ungroup()：可选操作，用于取消分组状态，防止后续数据操作受到分组的潜在影响

扩展：同时保留全局与分组差值 #

如果需要同时得到基于全局均值和分组均值的差值列，可以这样写：

df %>%
  mutate(global_centered = dist - mean(dist)) %>%
  group_by(qtr) %>%
  mutate(qtr_centered = dist - mean(dist)) %>%
  ungroup()

内容的提问来源于stack exchange，提问作者user13973103