在mutate()中使用weighted.mean()计算行加权均值的技术问题求助

你遇到的问题核心是weighted.mean()默认是对整个输入的向量/矩阵计算全局加权平均，而不是按行单独计算，所以最终得到的是一个常量并广播到所有行。下面给你几种可行的解决方案：

方法1：用rowwise()实现直观的行级计算 #

如果你希望保留weighted.mean()的na.rm功能，同时按行计算，可以先通过rowwise()将数据框按行分组，这样后续的mutate会逐行执行：

library(tidyverse)
set.seed(2021)
df <- tibble(x = rnorm(10,0,5), y = rnorm(10,0,10))

# 按行计算加权均值
df <- df %>%
  rowwise() %>%
  mutate(z = weighted.mean(c(x, y), c(0.2, 0.8), na.rm = TRUE)) %>%
  ungroup() # 记得取消行分组，避免影响后续操作

这种方法逻辑清晰，适合小数据集，完全匹配你对na.rm功能的需求。

方法2：手动计算（大数据集更高效） #

加权均值本质上是x*权重1 + y*权重2，如果你的数据没有缺失值，直接手动计算会比rowwise()快很多：

df <- df %>%
  mutate(z = x*0.2 + y*0.8)

如果需要处理缺失值，且和weighted.mean(na.rm=TRUE)行为一致（即忽略缺失值后重新归一化权重），可以手动模拟这个逻辑：

df <- df %>%
  mutate(
    # 计算各变量的加权值，缺失值则权重和值都记为0
    x_weighted = ifelse(is.na(x), 0, x * 0.2),
    y_weighted = ifelse(is.na(y), 0, y * 0.8),
    # 计算有效权重总和
    total_weight = ifelse(is.na(x), 0, 0.2) + ifelse(is.na(y), 0, 0.8),
    # 计算最终加权均值，有效权重为0时返回NA
    z = ifelse(total_weight == 0, NA, (x_weighted + y_weighted)/total_weight)
  ) %>%
  select(-x_weighted, -y_weighted, -total_weight) # 移除中间变量

方法3：用apply()按行处理 #

另一种经典的按行操作方式是使用apply()函数，指定按行（第二个参数为1）执行计算：

df$z <- apply(df[, c("x", "y")], 1, function(row) {
  weighted.mean(row, c(0.2, 0.8), na.rm = TRUE)
})

这种方法不需要依赖dplyr的分组，代码简洁，性能介于前两者之间。

内容的提问来源于stack exchange，提问作者bachflip