基于现有类别组合扩展DataFrame并计算均值的实现方法

expand.grid其实不太适合做这件事——它主要用来生成笛卡尔积（比如重复配对的情况），反而你之前尝试的combn才是生成类别组合的正确工具，只是需要调整用法来匹配你的需求。下面是具体的R代码实现，完美贴合你的示例场景：

步骤1：构造示例数据 #

df <- data.frame(
  Class = c("A", "B", "C"),
  Value = c(1, 2, 3),
  Treatment = c(1, 1, 1)
)

步骤2：生成所有非空类别组合 #

覆盖从单个类别到全部类别的所有组合：

# 获取唯一类别
unique_classes <- unique(df$Class)
# 生成1个、2个、3个类别的所有组合，拼接成字符串
all_combs <- unlist(lapply(1:length(unique_classes), function(k) {
  combn(unique_classes, k, FUN = paste0, collapse = "")
}), use.names = FALSE)

步骤3：计算每个组合的均值并保留其他列 #

遍历每个组合，筛选对应数据计算均值，同时保留Treatment列（假设同Treatment组内的类别共享相同Treatment值）：

# 批量处理每个组合
comb_results <- lapply(all_combs, function(comb) {
  # 拆分组合字符串得到单个类别
  sub_classes <- strsplit(comb, "")[[1]]
  # 筛选对应数据行
  sub_data <- df[df$Class %in% sub_classes, ]
  # 计算均值
  mean_val <- mean(sub_data$Value)
  # 提取Treatment值（取唯一值即可）
  treatment_val <- unique(sub_data$Treatment)
  
  data.frame(Class = comb, Mean = mean_val, Treatment = treatment_val)
})

# 合并所有组合结果
final_df <- do.call(rbind, comb_results)

最终结果 #

运行后final_df就是你要的格式：

（注：你的示例里ABC的均值写的是3，应该是笔误，实际均值是(1+2+3)/3=2）

多Treatment组的扩展 #

如果你的数据集有多个Treatment组，只需按Treatment分组处理即可，比如用dplyr：

library(dplyr)

df_multi <- data.frame(
  Class = rep(c("A", "B", "C"), 2),
  Value = c(1,2,3,4,5,6),
  Treatment = rep(c(1,2), each=3)
)

final_multi <- df_multi %>%
  group_by(Treatment) %>%
  group_map(function(sub_df, key) {
    unique_classes <- unique(sub_df$Class)
    all_combs <- unlist(lapply(1:length(unique_classes), function(k) {
      combn(unique_classes, k, FUN = paste0, collapse = "")
    }), use.names = FALSE)
    
    lapply(all_combs, function(comb) {
      sub_classes <- strsplit(comb, "")[[1]]
      sub_data <- sub_df[sub_df$Class %in% sub_classes, ]
      mean_val <- mean(sub_data$Value)
      data.frame(Class = comb, Mean = mean_val, Treatment = key$Treatment)
    }) %>% do.call(rbind, .)
  }) %>% do.call(rbind, .)

内容的提问来源于stack exchange，提问作者janosch