R语言如何按分组计算数据框自定义衍生新变量

需求是对给定的球员数据框，以team为分组维度，逐行计算衍生值：(当前行stat1 / 组内stat1总和) + (当前行stat2 / 组内stat2总和)，以下是三种可直接运行的实现方案。

首先构造示例测试数据，方便复现结果：

df <- data.frame(
  name = c("a", "b", "c", "d"),
  team = c("aa", "aa", "bb", "bb"),
  stat1 = c(1, 2, 3, 4),
  stat2 = c(4, 3, 2, 1)
)

方案1：dplyr 实现（日常数据处理首选） #

属于tidyverse生态的常用数据处理方案，代码可读性强，逻辑直观：

library(dplyr)

df <- df |>
  group_by(team) |>
  mutate(
    derived_stat = (stat1 / sum(stat1)) + (stat2 / sum(stat2))
  ) |>
  ungroup()

• 核心逻辑：group_by(team)先按球队拆分数据分组，分组状态下sum()会自动返回当前组的字段总和，mutate会保持原数据行顺序新增列，最后用ungroup()解除分组，避免后续操作被分组逻辑干扰。
• 计算后球员a对应的derived_stat值约为0.905，和给出的示例计算式结果完全匹配。

方案2：data.table 实现（大数据量场景首选） #

如果数据量达到十万、百万级，选这个方案计算速度最快、内存开销最低：

library(data.table)

setDT(df)
df[, derived_stat := (stat1/sum(stat1)) + (stat2/sum(stat2)), by = team]

• 核心逻辑：setDT()将普通数据框转为data.table对象，:=是按引用新增列的操作，不需要复制整份数据，by = team指定按球队分组计算，全程没有冗余的内存拷贝。

方案3：base R 实现（无第三方依赖方案） #

不想安装加载任何外部包的话，用R原生函数就能实现：

df$derived_stat <- with(df, {
  stat1 / ave(stat1, team, FUN = sum) + stat2 / ave(stat2, team, FUN = sum)
})

• 核心逻辑：ave()函数会返回和原输入向量等长的分组统计结果，刚好对应每行所属组的字段总和，直接做向量运算就能得到结果，全程不需要额外依赖。

内容的提问来源于stack exchange，提问作者Pavan