R语言如何计算观测值与所属分组均值差值并生成新列

需求说明 #

现有存储地区经济指标的数据框，包含region（地区编码）、indicator（经济指标值）两列，其中地区A、B同属第一分组，C、D同属第二分组。需要新增comparative_indicator列，计算每条观测的指标值与其所属分组指标均值的差值，衡量观测值相对分组平均水平的高低。

原始测试数据构造 #

region<- c('A','B','C','D','B','C')
indicator <- c(100,50,10,20,102,10)
df <- data.frame(region,indicator)

原始数据样例：

期望输出 #

经计算第一组指标均值为84，第二组指标均值为13.33，最终输出需满足：

实现方案 #

方案1：基础R实现（无依赖） #

不需要安装第三方包，通过内置函数完成分组匹配、均值计算、差值推导：

# 1. 构造地区与分组的映射规则
group_mapping <- data.frame(
  region = c("A", "B", "C", "D"),
  group_id = c(1, 1, 2, 2)
)
# 2. 给原数据匹配所属分组
df <- merge(df, group_mapping, by = "region")
# 3. 计算各分组的指标均值
group_avg <- aggregate(indicator ~ group_id, data = df, FUN = mean)
# 4. 匹配分组均值，计算相对差值
df <- merge(df, group_avg, by = "group_id", suffixes = c("", "_group_avg"))
df$comparative_indicator <- round(df$indicator - df$indicator_group_avg, 2)
# 5. 清理辅助列，还原原始数据顺序
df <- df[order(as.numeric(rownames(df))), c("region", "comparative_indicator")]

运行后输出结果与期望完全一致。

方案2：dplyr实现（语法简洁） #

使用tidyverse生态的dplyr包可以简化分组计算逻辑，代码可读性更高：

library(dplyr)

df <- df %>%
  mutate(
    # 匹配观测所属分组
    group_id = case_match(
      region,
      c("A", "B") ~ 1,
      c("C", "D") ~ 2
    ),
    # 按分组计算均值，直接求差值
    comparative_indicator = round(indicator - mean(indicator, na.rm = T), 2),
    .by = group_id
  ) %>%
  # 删除分组辅助列
  select(-group_id)

提示：如果后续分组规则调整，仅需要修改case_match内的地区-分组对应关系即可；如果分组数量较多，可以单独存储分组映射表，通过left_join关联匹配，适配更复杂的分组场景。

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