基于共享前缀对R列表中多组DataFrame求算术平均

问题概述 #

我有一个DataFrame列表，列表里的每个DataFrame属于一组配对，通过名称的共享前缀（比如001）就能识别分组关系，组内的DataFrame名称后缀不同（比如_AB、_CD）。除了标识符变量idvar外，所有DataFrame的其他列（col1、col2、col3）都是数值类型。需要对每一组的DataFrame计算算术平均，结果不需要保留后缀信息，最终输出还是DataFrame列表而不是单个大DataFrame，而且因为有30+个唯一前缀，不想逐个手动指定。

解决方案 #

方法1：tidyverse风格（dplyr + purrr） #

代码简洁可读性高，适合熟悉tidyverse生态的用户：

library(dplyr)
library(purrr)
library(stringr)

# 1. 自动提取前缀并分组
prefixes <- names(the_problem) %>% str_extract("^[^_]+")
grouped_dfs <- the_problem %>% split(prefixes)

# 2. 对每组计算算术平均
averaged_dfs <- grouped_dfs %>%
  map(function(dfs) {
    # 组内所有DataFrame对应元素相加后除以数量，得到逐元素平均
    reduce(dfs, `+`) / length(dfs)
  })

# 3. 添加idvar列并整理成目标格式
final_solution <- averaged_dfs %>%
  imap(function(df, prefix) {
    df %>% 
      mutate(idvar = prefix) %>% 
      relocate(idvar) # 可选：将idvar移至第一列，和示例结构一致
  })

方法2：Base R实现 #

无需加载额外包，用原生语法完成：

# 1. 提取前缀并分组
prefixes <- sub("_.*", "", names(the_problem))
grouped_dfs <- split(the_problem, prefixes)

# 2. 计算平均并添加idvar
final_solution_base <- lapply(grouped_dfs, function(df_group) {
  # 组内所有DataFrame对应元素相加后取平均
  avg_df <- Reduce("+", df_group) / length(df_group)
  # 添加idvar列并保持格式
  cbind(idvar = sub("_.*", "", names(df_group)[1]), avg_df)
})

代码说明 #

• 自动分组：通过正则表达式提取每个DataFrame名称的前缀（下划线之前的部分），无需手动指定30+个前缀，自动完成分组。
• 平均计算：利用reduce/Reduce将组内所有DataFrame的对应数值元素相加，再除以组内DataFrame的数量，得到逐元素的算术平均，兼容组内2个或多个DataFrame的情况。
• 格式对齐：将分组前缀作为idvar的值添加到结果中，同时将列表命名为对应前缀，完全匹配目标结构。

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