按周聚合数据行：污水检测列取平均，住院列取总和

我有一组数据，每周有多条污水中SARS-CoV-2检测记录，但每周仅有1条有效住院数据。数据按采集日期分行，包含week列。需要按周聚合行：

• 污水检测站点的数值取平均值（多数周有2条记录，部分为1或3条）
• 住院数据保留每周的最终值（实际需求为取总和，因每周仅一条有效数据，总和等于该值）

当前数据示例 #

week <- c(1,1,1,2,2,3)
date <- c(1,2,3,4,5,6)
site_a <- c(1,2,2,4,2,7)
site_b <- c(4,2,3,1,2,5)
hosp <- c(0,0,3,0,2,4)
df <- data.frame(week, date, site_a, site_b, hosp)

数据展示：

week date site_a site_b hosp
1     1    1      1      4    0
2     1    2      2      2    0
3     1    3      2      3    3
4     2    4      4      1    0
5     2    5      2      2    2
6     3    6      7      5    4

期望结果 #

Week SiteA SiteB Hosp
1    1 1.667     3    3
2    2 3.000   1.5    2
3    3 7.000     5    4

尝试过的错误方法 #

使用group_by+summarise_all(mean)会把住院数据也取平均，不符合需求：

df %>% group_by(week) %>% summarise_all(funs(mean))

输出结果：

# A tibble: 3 × 5
   week  date site_a site_b  hosp
  <dbl> <dbl>  <dbl>  <dbl> <dbl>
1     1     2   1.67      3     1
2     2   4.5   3        1.5     1
3     3     6   7        5       4

方法1：单独指定列的处理逻辑 #

直接在summarise中明确检测站点列取平均，住院列取总和：

library(dplyr)

df %>%
  group_by(week) %>%
  summarise(
    SiteA = mean(site_a),
    SiteB = mean(site_b),
    Hosp = sum(hosp)
  ) %>%
  rename(Week = week)

输出结果与期望一致：

# A tibble: 3 × 4
   Week SiteA SiteB  Hosp
  <dbl> <dbl> <dbl> <dbl>
1     1  1.67     3     3
2     2  3       1.5     2
3     3  7       5       4

方法2：批量处理同类型列 #

如果检测站点列数量较多，用across批量匹配需要取平均的列，单独处理住院数据：

df %>%
  group_by(week) %>%
  summarise(
    across(starts_with("site_"), mean), # 匹配所有以site_开头的列
    Hosp = sum(hosp)
  ) %>%
  rename(Week = week, SiteA = site_a, SiteB = site_b)

方法3：取住院数据的有效记录值 #

若每周最后一行的住院数据为有效值，也可以用last()或max()直接提取（前提是无效值为0）：

df %>%
  group_by(week) %>%
  summarise(
    SiteA = mean(site_a),
    SiteB = mean(site_b),
    Hosp = last(hosp)
  ) %>%
  rename(Week = week)

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