如何用dplyr批量计算tibble中各列的分组均值差？

你有一个包含约100个变量列的tibble，需要按groupID分组计算每个变量的均值差异，目前只能逐列处理，希望一次性完成所有列的计算。

逐列处理的示例代码 #

library(tidyverse)
foo <- tibble(var1 = rnorm(100),
              var2 = rnorm(100),
              var3 = rnorm(100),
              groupID = rep(c("A","B"),50))
# 让其中一个变量组间有差异作为示例
foo <- foo %>% mutate(var3 = case_when(groupID=="A" ~ var3 + 1,
                                       groupID=="B" ~ var3 - 1))

res <- bind_rows(foo %>% 
                   group_by(groupID) %>% 
                   summarise(avg = mean(var1)) %>% 
                   summarise(meanDiff = diff(avg)),
                 foo %>% 
                   group_by(groupID) %>% 
                   summarise(avg = mean(var2)) %>% 
                   summarise(meanDiff = diff(avg)),
                 foo %>%
                   group_by(groupID) %>% 
                   summarise(avg = mean(var3)) %>% 
                   summarise(meanDiff = diff(avg)))

res

更简洁的批量处理方法 #

利用tidyverse的across()函数可以一次性对所有目标列执行计算，无需逐列重复代码：

方法一：清晰分步写法

library(tidyverse)

foo <- tibble(var1 = rnorm(100),
              var2 = rnorm(100),
              var3 = rnorm(100),
              groupID = rep(c("A","B"),50)) %>%
  mutate(var3 = case_when(groupID == "A" ~ var3 + 1,
                          groupID == "B" ~ var3 - 1))

res <- foo %>%
  # 按分组计算所有非groupID列的均值
  group_by(groupID) %>%
  summarise(across(-groupID, mean)) %>%
  # 转长格式便于后续计算差异
  pivot_longer(-groupID, names_to = "variable", values_to = "avg") %>%
  # 转回宽格式，把两组均值放在同一行
  pivot_wider(names_from = groupID, values_from = avg) %>%
  # 计算组间均值差异
  mutate(meanDiff = A - B) %>%
  # 保留需要的列
  select(variable, meanDiff)

res

方法二：紧凑写法

res <- foo %>%
  group_by(groupID) %>%
  summarise(across(-groupID, mean)) %>%
  ungroup() %>%
  pivot_longer(-groupID) %>%
  group_by(name) %>%
  # 利用diff计算两组均值的差异（注意diff的顺序由groupID的排序决定）
  summarise(meanDiff = diff(value))

res

优化你的现有方案 #

你自己的转长格式方法是可行的，但可以简化为上述紧凑写法，减少提前转长的步骤，同时保持代码的可读性，更适合处理大量变量的场景。

内容的提问来源于stack exchange，提问作者user111024