如何在group_by语句中运用函数实现分组统计与百分位计算？

核心思路 #

针对每个分组变量单独处理：先按分组计算实际值的均值，再基于该组内所有观测的模拟值计算每轮模拟的组内均值，最后用经验分布函数（ECDF）得到实际均值在模拟均值序列中的百分位，最终合并两个分组的结果。

完整代码 #

library(dplyr)
library(purrr)

# 初始化示例数据（和你提供的一致）
set.seed(123) # 设置随机种子保证结果可复现
df <- data.frame(group_var1 = c(rep("A", 5), rep("B", 5)),
                 group_var2 = c(rep(c("C", "D"), 5)),
                 value = runif(10)) 

df <- df %>% 
  mutate(simulations = list(runif(100)))

# 定义处理单个分组变量的函数
process_group <- function(df, group_col) {
  df %>% 
    group_by(!!sym(group_col)) %>% 
    summarize(
      mean_value = mean(value),
      # 提取组内所有模拟列表，转成矩阵后按列取均值（每轮模拟的组内平均）
      sim_group_avg = list(rowMeans(simplify2array(simulations)))
    ) %>% 
    ungroup() %>% 
    # 计算实际均值在组内模拟均值序列中的百分位
    mutate(
      simulation_percentile = map_dbl(sim_group_avg, ~ecdf(.x)(mean_value)),
      risk_factor = group_col,
      risk_class = as.character(!!sym(group_col))
    ) %>% 
    select(risk_factor, risk_class, mean_value, simulation_percentile)
}

# 处理两个分组变量并合并结果
final_result <- bind_rows(
  process_group(df, "group_var1"),
  process_group(df, "group_var2")
)

# 查看结果
print(final_result)

关键细节说明 #

1. 编程式分组：用!!sym(group_col)将字符串形式的分组变量名转换为可用于group_by的符号，实现对任意分组变量的通用处理。
2. 组内模拟均值计算：每个分组内的simulations是多个长度为100的列表，用simplify2array转成行数等于观测数、列数等于模拟轮数的矩阵，再用rowMeans得到每一轮模拟的组内均值。
3. 百分位计算：对每个分组的模拟均值序列单独构建ECDF，避免全局模拟结果干扰分组的百分位计算，确保结果是组内的相对位置。

内容的提问来源于stack exchange，提问作者Tor97