如何按含重复值的向量索引DataFrame以计算加权平均值？

核心问题 #

用%in%索引会自动去重，仅返回唯一匹配的数值，无法保留采样的重复次数，因此需要用能保留顺序和重复项的索引方法。

具体解决方案 #

1. 用match()函数实现精准匹配

match()会按目标向量的顺序，逐个定位每个元素在DataFrame年月列中的位置，返回对应数值，完美保留重复采样的次数。

示例代码：

# 构造示例月度数据
monthly_data <- data.frame(
  year_month = c("2000-01", "2000-02", "2000-03"),
  value = c(10, 20, 30)
)

# 包含重复年月的采样向量
sample_dates <- c("2000-01", "2000-01", "2000-01", "2000-01", "2000-02")

# 错误方法：%in%仅返回唯一值
wrong_values <- monthly_data$value[monthly_data$year_month %in% sample_dates]
# 输出结果：10 20（仅两个唯一值）

# 正确方法：用match()保留重复项
correct_values <- monthly_data$value[match(sample_dates, monthly_data$year_month)]
# 输出结果：10 10 10 10 20（完全对应采样的重复次数）

2. 基于因子的索引（可选）

如果year_month列是因子类型，且采样向量的元素均为因子的水平，直接用采样向量索引即可：

# 将year_month转为因子
monthly_data$year_month <- as.factor(monthly_data$year_month)

# 直接用采样向量索引
correct_values <- monthly_data$value[sample_dates]

计算加权平均值 #

得到重复数值向量后，直接用mean()就能得到按采样次数加权的平均值（每个重复值等价于权重1）：

weighted_avg <- mean(correct_values)
# 计算结果：(10*4 + 20*1)/5 = 12

如果需要手动基于采样次数占比计算权重，也可以这么写：

# 统计每个年月的采样次数占比
date_weights <- table(sample_dates) / length(sample_dates)
# 匹配权重并计算加权和
weighted_avg <- sum(monthly_data$value * date_weights[monthly_data$year_month])

内容的提问来源于stack exchange，提问作者Jake L