在R中基于2012年季度均值生成全列新字段的dplyr实现问题

需求说明 #

处理季度频率数据集，提取2012年四个季度的durabl和services列均值，将该均值新增为base_durabl和base_services列并填充所有行。

原始数据集 #

date durabl services 
2011-10-01 56.7 37.1
2012-01-01 68.1 90.6
2012-04-01 34.1 29.1
2012-07-01 22.56 34.12
2012-10-01 44.89 66.8

期望结果 #

date durabl services base_durabl base_services
2011-10-01 56.7 37.1 42.4125 55.155
2012-01-01 68.1 90.6 42.4125 55.155
2012-04-01 34.1 29.1 42.4125 55.155
2012-07-01 22.56 34.12 42.4125 55.155
2012-10-01 44.89 66.8 42.4125 55.155

问题分析 #

你之前的代码用group_by(year(date))后加filter，会过滤掉非2012年的数据，且分组后计算的均值仅在分组内有效，无法覆盖全表；用summarise会聚合数据，丢失原始行信息，因此达不到目标。

正确实现方法 #

方法1：先计算均值再合并到原表 #

先单独计算2012年两列的均值，再将这两个值作为新列添加到原数据集：

library(dplyr)
library(lubridate)

# 计算2012年的均值
mean_vals <- df %>%
  filter(year(date) == 2012) %>%
  summarise(base_durabl = mean(durabl),
            base_services = mean(services))

# 将均值列添加到原数据集
df_new <- df %>%
  bind_cols(mean_vals)

方法2：用mutate结合条件计算（无需额外对象） #

直接在原数据集上新增列，通过条件筛选2012年的数据计算均值，由于均值是标量，会自动填充所有行：

df_new <- df %>%
  mutate(base_durabl = mean(durabl[year(date) == 2012], na.rm = TRUE),
         base_services = mean(services[year(date) == 2012], na.rm = TRUE))

注：加上na.rm=TRUE可避免2012年数据有缺失值时计算出错，可根据实际情况选择是否保留。

验证结果 #

运行上述代码后，得到的df_new会与期望结果一致，所有行的base_durabl和base_services均填充了2012年的均值。

内容的提问来源于stack exchange，提问作者Fef894