编写R函数计算多重复样本的累积和均值

需求说明 #

现有包含treatment（处理组）、replicate（重复样本）、date（日期）、value（数值）字段的数据集，需实现：

• 按treatment分组，按日期顺序处理
• 第一个日期：计算该日期下所有replicate的value总和，除以重复样本数得到均值
• 后续每个日期：累加当前及之前所有日期的value总和，再除以重复样本数得到累积均值

期望输出示例：

原代码问题分析 #

你提供的plyr代码存在两个核心问题：

1. 分组维度错误：将replicate纳入分组，导致每个treatment-replicate-date单独计算sum，没有把同一treatment-date下的所有重复样本数据合并
2. 缺少累积逻辑：仅计算了单个分组的sum，未实现跨日期的累积求和与均值计算

解决方案 #

推荐使用dplyr（plyr已停止维护，dplyr更高效且语法更清晰）实现需求，以下是完整代码：

1. 构造示例数据（对应期望输出的计算逻辑） #

data <- data.frame(
  treatment = rep(c("lo", "hi"), each = 6),
  replicate = rep(c(1,2), 6),
  date = rep(c("Jan1", "Jan1", "Jan2", "Jan2", "Jan3", "Jan3"), 2),
  value = c(0,3,2,7,1,0, 1,7,11,1,45,8)
)

2. dplyr实现函数 #

library(dplyr)

calc_cumulative_mean <- function(data) {
  # 将日期转为有序因子，确保按指定顺序累积（可根据实际日期格式调整）
  data <- data %>%
    mutate(date = factor(date, levels = c("Jan1", "Jan2", "Jan3"), ordered = TRUE))
  
  result <- data %>%
    # 第一步：按处理组+日期分组，计算该日期下所有重复样本的value总和
    group_by(treatment, date) %>%
    summarise(daily_total = sum(value, na.rm = TRUE), .groups = "drop_last") %>%
    # 第二步：按处理组计算累积总和
    mutate(cumulative_total = cumsum(daily_total)) %>%
    # 第三步：获取当前处理组的重复样本数，计算累积均值
    group_by(treatment) %>%
    mutate(
      num_replicates = n_distinct(data$replicate[data$treatment == first(treatment)]),
      value = cumulative_total / num_replicates
    ) %>%
    # 整理输出列
    select(treatment, date, value) %>%
    ungroup()
  
  return(result)
}

# 运行函数得到结果
output <- calc_cumulative_mean(data)
print(output)

3. 若坚持使用plyr的替代实现 #

library(plyr)

calc_cumulative_mean_plyr <- function(data) {
  # 转换日期为有序因子
  data$date <- factor(data$date, levels = c("Jan1", "Jan2", "Jan3"), ordered = TRUE)
  
  # 第一步：计算每个treatment-date的每日总value
  daily_sum <- ddply(data, .(treatment, date), summarise, daily_total = sum(value, na.rm = TRUE))
  
  # 第二步：按treatment分组计算累积总和与均值
  result <- ddply(daily_sum, .(treatment), function(x) {
    x$cumulative_total <- cumsum(x$daily_total)
    # 获取当前处理组的重复样本数
    num_rep <- length(unique(data$replicate[data$treatment == x$treatment[1]]))
    x$value <- x$cumulative_total / num_rep
    return(x[, c("treatment", "date", "value")])
  })
  
  return(result)
}

# 运行函数
output_plyr <- calc_cumulative_mean_plyr(data)
print(output_plyr)

代码逻辑说明 #

• 日期排序：将date转为有序因子，避免字符串排序导致的顺序错误（如"Jan10"排在"Jan2"前）
• 每日总和：先合并同一处理组、同一日期下的所有重复样本数据，计算当日总value
• 累积求和：按处理组对每日总value做累积求和，得到截止当前日期的所有value总和
• 累积均值：用累积总和除以该处理组的重复样本数，得到最终结果

内容的提问来源于stack exchange，提问作者user20214781