在R中按ID计算长格式数据框的几何均值问题求助

dplyr 解决方案 #

原代码使用的summarise_all在新版dplyr中已被弃用，推荐使用更灵活的summarise(across(...))语法。以下是修正后的代码：

library(dplyr)

# 构造示例数据
mtcars_sub <- mtcars[, 1:2]

# 按cyl分组，计算所有列的几何均值
mtcars_sub_gm <- mtcars_sub %>%
  group_by(cyl) %>%
  summarise(across(everything(), ~ exp(mean(log(.), na.rm = TRUE))))

如果需要指定特定列（比如实际场景中的80+列），可以替换everything()为目标列向量：

# 定义要计算几何均值的列
gm_vars <- names(mtcars_sub)[1] # 实际使用时替换为你的列名向量

mtcars_sub_gm <- mtcars_sub %>%
  group_by(cyl) %>%
  summarise(across(all_of(gm_vars), ~ exp(mean(log(.), na.rm = TRUE))))

data.table 解决方案 #

原代码未将数据转换为data.table对象，导致语法失效。需要先转换为data.table再执行分组计算：

library(data.table)

# 将数据框转换为data.table
mtcars_sub <- as.data.table(mtcars[, 1:2])

# 指定目标列
gm_vars <- names(mtcars_sub)[1]

# 按cyl分组计算几何均值
mtcars_sub_gm <- mtcars_sub[, lapply(.SD, function(x) exp(mean(log(x, na.rm = TRUE)))), 
                            by = cyl, .SDcols = gm_vars]

关键注意事项 #

• 确保计算列的所有值都是正数：log(0)或负数会返回NA/NaN，导致几何均值计算失败，需提前过滤或替换这类值。
• na.rm = TRUE会忽略NA值，若需保留NA并让结果为NA，可移除该参数。

内容的提问来源于stack exchange，提问作者ehepikait