R语言：按诊断分组计算测试题均值并绘制分组柱状图

原始数据 #

首先构造并展示原始数据框：

ID <- c("a", "b", "c", "d", "e")
age <- c(22, 34, 55, 55, 45)
gender <- c("female", "male", "female", "female", "male")
diagnosis <- c(1, 2, 2, 1, 1)
A1 <- c(4,5,12,45,33)
A2 <- c(12,15,46,34,56)
A3 <- c(23,33,45,66,32)
mydf <- data.frame(ID, age, gender, diagnosis, A1, A2, A3)
mydf

问题与错误尝试 #

需求为按diagnosis分组计算A1、A2、A3的均值，并绘制组间差异柱状图。用户尝试通过以下代码添加均值行，但非测试题列被错误填充了均值：

mydf <- rbind(mydf, "mean" = round(colMeans(mydf[,5:7], na.rm = TRUE), 2))
mydf

错误结果示例：

错误原因 #

rbind要求新增行的列数与原数据框完全匹配。用户仅计算了A1-A3的均值（长度为3的向量），rbind会自动循环填充该向量到所有7列，导致非测试题列被错误赋值。

解决方案 #

1. 正确计算分组均值 #

方法1：使用dplyr包（推荐）

library(dplyr)

# 按diagnosis分组，计算A1-A3的均值并保留2位小数
group_means <- mydf %>%
  group_by(diagnosis) %>%
  summarise(across(A1:A3, ~round(mean(.), 2)))

group_means

输出结果：

方法2：基础R实现

# 用aggregate函数分组计算均值
group_means_base <- aggregate(cbind(A1, A2, A3) ~ diagnosis, data = mydf, 
                              FUN = function(x) round(mean(x), 2))

2. 绘制组间差异柱状图 #

使用ggplot2绘制分组并列柱状图，需先将数据转换为长格式：

library(ggplot2)
library(tidyr)

# 转换为长格式数据，适配ggplot2绘图
long_data <- group_means %>%
  pivot_longer(cols = A1:A3, names_to = "test_item", values_to = "mean_score")

# 绘制柱状图
ggplot(long_data, aes(x = test_item, y = mean_score, fill = factor(diagnosis))) +
  geom_col(position = position_dodge(width = 0.8), width = 0.7) +
  labs(title = "不同诊断组测试题得分均值",
       x = "测试题",
       y = "均值得分",
       fill = "诊断分组") +
  theme_minimal() +
  scale_fill_manual(values = c("#1f77b4", "#ff7f0e"), labels = c("患病", "未患病")) +
  geom_text(aes(label = mean_score), 
            position = position_dodge(width = 0.8), 
            vjust = -0.5, size = 3.5)

该代码会生成并列分组柱状图，每个测试题对应两个柱子（诊断1和2），柱子上方标注均值，清晰展示组间得分差异。

内容的提问来源于stack exchange，提问作者dplyr