基于dplyr的R语言多分组加权均值计算失效问题

嘿，我立刻就发现你代码里的问题啦！你在across()里调用weighted.mean()的方式不对，导致dplyr根本没按你指定的owner和cultivar分组做聚合计算，反而直接对原数据集的每一行执行了计算，所以结果行数才会和原数据一样。

错误根源 #

在dplyr的summarise()+across()组合中，你需要传递的是函数本身或者函数表达式，而不是直接调用weighted.mean(., w=surface)——这种写法会让R在分组操作之前就把整个列丢进去计算，完全没用到分组逻辑，自然没法实现按组聚合加权均值的需求。

修正后的代码 #

这里有两种等价的修正方式，你选哪种都可以：

方式1：使用公式风格的函数表达式（更简洁） #

results <- original_df %>% 
  group_by(owner, cultivar) %>% 
  summarise(
    across(where(is.numeric), ~weighted.mean(.x, w = surface)),
    .groups = "drop"  # 可选：聚合后取消分组状态，得到普通数据框
  )

方式2：显式定义匿名函数 #

results <- original_df %>% 
  group_by(owner, cultivar) %>% 
  summarise(
    across(where(is.numeric), function(x) weighted.mean(x, w = surface)),
    .groups = "drop"
  )

关键说明 #

• .x（或者匿名函数里的x）代表across()当前遍历到的数值列，surface则是对应分组内的权重列，这样就能正确按组计算每个数值属性的加权均值了。
• 加上.groups = "drop"是为了在聚合完成后自动取消分组，如果你需要保留分组结构用于后续操作，可以去掉这个参数。

运行效果验证 #

用你提供的数据集运行修正后的代码，会得到按owner和cultivar唯一组合聚合后的结果，比如owner = "A"且cultivar = 1的组，会把所有对应行的surface作为权重，计算出x1、x2、x3的加权均值，最终结果行数等于owner+cultivar的唯一组合数（你的数据集里是9组）。

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