在R中按组计算列内均值与中位数并生成绩效评价列

问题需求 #

针对包含5万+行、51个不同course的DataFrame，需要实现：

• 按group列分组，计算每组score列的均值（mean）和中位数（median）
• 为原数据的每一行添加对应分组的均值、中位数信息
• 根据个体score与所在组的均值/中位数的比较，将个体标记为weak（对应1）、competitive（对应2）或top（对应3）

示例数据 #

df <- structure(list(id = 1:20, age = c(18L, 21L, 20L, 19L, 20L, 20L, 
23L, 18L, 18L, 19L, 22L, 20L, 18L, 19L, 18L, 18L, 25L, 27L, 18L, 
18L), gender = c(0L, 0L, 1L, 1L, 1L, 1L, 0L, 1L, 0L, 0L, 0L, 
0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 1L), school = c(0L, 0L, 1L, 2L, 
2L, 2L, 1L, 1L, 1L, 1L, 0L, 0L, 2L, 1L, 0L, 2L, 0L, 1L, 1L, 2L
), score = c(3.63, 18.77, 21.76, 12.57, 20.69, 13.94, 1.25, 13.07, 
12.94, 12.63, 13.01, 14.38, 21.9, 15.13, 5.76, 11.88, 12.51, 
17.69, 4.64, 5.77), course = c("Nursing", "Engineering", "Economy", 
"Medical", "Mathematics", "Economy", "Languages", "Literature", 
"Phiysics", "Biology", "Law", "Phiysics", "Engineering", "Law", 
"Journalism", "Languages", "Accounting", "Accounting", "Medical", 
"Journalism"), group = c(1L, 2L, 4L, 1L, 2L, 4L, 5L, 5L, 2L, 
1L, 6L, 2L, 2L, 6L, 6L, 5L, 4L, 4L, 1L, 6L), wage = c(2.8, 5, 
4.5, 6, 1.8, 4.5, 2.1, 2.3, 2, 2.5, 3.8, 2, 5, 3.8, 2.75, 2.1, 
3.9, 3.9, 6, 2.75)), class = "data.frame", row.names = c(NA, 
-20L))

解决方案代码 #

使用dplyr包可高效完成所有操作，适配大规模数据处理：

# 若未安装dplyr，先运行 install.packages("dplyr")
library(dplyr)

# 链式操作完成所有需求
df_processed <- df %>%
  # 按group列分组
  group_by(group) %>%
  # 新增分组的均值、中位数列
  mutate(
    group_score_mean = mean(score, na.rm = TRUE),
    group_score_median = median(score, na.rm = TRUE)
  ) %>%
  # 根据score与分组统计量的比较标记等级
  mutate(
    # 示例判断逻辑，可根据需求调整：
    # weak: score < 分组中位数
    # competitive: 分组中位数 ≤ score < 分组均值
    # top: score ≥ 分组均值
    performance_level = case_when(
      score < group_score_median ~ 1,
      score >= group_score_median & score < group_score_mean ~ 2,
      score >= group_score_mean ~ 3,
      TRUE ~ NA_integer_
    ),
    # 可选：添加对应文本标签
    performance_label = case_when(
      performance_level == 1 ~ "weak",
      performance_level == 2 ~ "competitive",
      performance_level == 3 ~ "top",
      TRUE ~ NA_character_
    )
  ) %>%
  # 取消分组（后续无需分组时建议执行）
  ungroup()

# 查看处理后的数据
head(df_processed)

代码说明 #

1. 分组统计：通过group_by(group)指定分组维度，mutate直接在原数据中新增统计列，无需额外合并操作，效率更高。
2. 类别标记：使用case_when实现多条件分支判断，示例以中位数和均值为分界点划分等级，你可根据业务需求调整逻辑（比如改用三分位数、均值±标准差等）。
3. 异常处理：TRUE ~ NA_integer_确保所有情况被覆盖，避免出现未匹配的无效结果。

内容的提问来源于stack exchange，提问作者Anna Paula Gonçalves