如何在R语言中按ID分组计算DataFrame的均值？

嘿，我来帮你搞定这个分组计算均值的问题！

首先，先把你的示例数据框构造出来，方便测试：

df <- data.frame(
  id = c(1,2,3,1,1,3,2),
  value = c(100,200,100,100,100,200,300)
)

按照你写的循环思路完成实现 #

你已经拿到了唯一的ID列表，接下来只需要在循环里筛选出每个ID对应的value值，计算均值后存起来就行：

ids <- unique(df$id)
# 创建一个空向量来存结果，用ID作为名字方便查看
mean_results <- numeric(length(ids))
names(mean_results) <- ids

for(i in ids){
  # 筛选当前ID对应的所有value
  current_vals <- df$value[df$id == i]
  # 计算均值并赋值到结果向量中
  mean_results[as.character(i)] <- mean(current_vals)
}

# 输出结果
mean_results

运行这段代码后，你会得到预期的结果：1 2 3 100 250 150。

更高效的R风格写法（推荐） #

其实在R里，手动写循环不是最简洁的方式，给你推荐两种常用的高效方法：

方法1：使用基础R的aggregate函数

一行代码就能搞定分组均值：

aggregate(value ~ id, data = df, FUN = mean)

输出会是一个数据框，清晰展示每个ID对应的均值：

id value
1  1   100
2  2   250
3  3   150

方法2：使用dplyr包（tidyverse风格）

如果你习惯更直观的管道写法，可以用dplyr：

# 首次使用需要先安装：install.packages("dplyr")
library(dplyr)

df %>%
  group_by(id) %>%
  summarise(mean_value = mean(value))

这个输出同样是结构清晰的数据框，后续做数据处理也更方便。

内容的提问来源于stack exchange，提问作者Kev Schl