如何用tidyverse按名称与抽取次数分组计算样本均值？

现有一个包含以下字段的数据集：

• nms：名称
• draw：抽取次数
• id：ID
• val：数值

每个名称对应1至5个ID，每个ID拥有5个按抽取次数排序的数值。数据集可通过以下代码生成：

library(tidyverse)

set.seed(190)

dplyr::tibble(nms = c(rep("A", 5), rep("B",10), rep("C", 10)),
              draw = c(rep(1:5, times = 5)),
              id = c(rep(c("A1", "B1", "B2", "C1", "C2"), each = 5)),
              val = c(sample(1:4, replace = T, size = 25))) %>%  print(n=25)

需求 #

针对每个名称（nms），按抽取次数（draw）分组计算数值（val）的均值（mean_val）：

• 若名称仅对应单个ID，均值即为该ID的对应数值
• 若名称对应多个ID，需对相同抽取次数下的所有ID数值求平均

解决方案 #

使用tidyverse的dplyr工具，通过分组汇总即可实现需求：

# 承接上述生成的数据集，假设数据集名为df
df %>%
  group_by(nms, draw) %>%
  summarise(mean_val = mean(val), .groups = "drop")

输出结果 #

# A tibble: 15 × 3
   nms    draw mean_val
   <chr> <int>    <dbl>
 1 A         1      3  
 2 A         2      4  
 3 A         3      2  
 4 A         4      4  
 5 A         5      1  
 6 B         1      1.5
 7 B         2      1.5
 8 B         3      2.5
 9 B         4      2  
10 B         5      2  
11 C         1      1.5
12 C         2      2.5
13 C         3      2.5
14 C         4      2.5
15 C         5      4  

内容的提问来源于stack exchange，提问作者jnat