如何对数据库两列随机抽取样本并逐步计算均值？

完全可行！你说的这种逐步更新均值的方式叫递推式均值计算，数学逻辑是成立的——每一步的新均值可以通过旧均值和新样本值直接推导，不用每次重新计算所有样本的总和，效率很高。公式是：

第n个均值 = (第n-1个均值 × (n-1) + 第n个样本值) / n

对应实现方法（以你的数据为例） #

首先得先抽取一系列连续的随机样本，然后对每一列（工作时长time、接诊数obs）分别计算递推均值：

1. 抽取批量随机样本

先从你的数据框里抽取足够多的单次样本，拼接成一个新数据框：

library(dplyr)

set.seed(2020)
obs <- rnorm(10, mean = 0, sd = 1)
time <- rnorm(10, mean = 0.5, sd = 1)
rdf <- data.frame(obs, time)

# 抽取20个随机样本（数量可按需调整）
sampled_data <- replicate(20, sample_n(rdf, 1), simplify = FALSE) %>% 
  bind_rows()

2. 计算递推均值

用cumsum（累积求和）结合行号就能快速实现，不管用base R还是dplyr都很方便：

方式一：dplyr语法

sampled_data <- sampled_data %>%
  mutate(
    # obs列的递推均值：前1个、前2个、...、前n个样本的均值
    obs_running_mean = cumsum(obs) / row_number(),
    # time列的递推均值
    time_running_mean = cumsum(time) / row_number()
  )

方式二：base R语法

sampled_data$obs_running_mean <- cumsum(sampled_data$obs) / seq_len(nrow(sampled_data))
sampled_data$time_running_mean <- cumsum(sampled_data$time) / seq_len(nrow(sampled_data))

对你当前代码的说明 #

你现在写的p <- replicate(100, expr = (sample_n(rdf, 1) + sample_n(rdf, 1))/2)是重复100次独立抽取两个样本算均值，和你要的“逐步累加样本更新均值”逻辑不一样，调整成上面的代码就能实现需求。

有没有现成函数？ #

R里没有专门的递推均值函数，但用cumsum+行号的方式已经足够简洁高效。如果需要更复杂的滑动窗口计算，可以用zoo包的rollapply，但对你的需求来说完全没必要。

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