R使用dplyr分组统计体重均值时不同性别组结果相同如何解决

异常原因 #

• dplyr管道语法使用错误：通过%>%将数据框传入下游函数后，group_by()、summarise()会默认在传入的数据框的环境中检索字段，不需要额外加df$前缀。你在代码中写的df$gender、mean(df$weight)会直接提取整个df的全量列进行计算，不会根据分组筛选对应子集，因此两个分组得到的都是全局体重均值，结果完全相同。
• 代码存在不规范风险：attach(Kid.weights)写法容易引发命名冲突，且数据集名拼写错误（原数据集名称为小写开头的kid.weights，此处写为大写开头的Kid.weights），虽然此处未触发报错，但会提升后续代码的出错概率。

修正方案 #

你需要移除管道函数内的df$前缀，同时可以直接通过dplyr的字段操作完成单位转换和分组统计，不需要先做子集裁剪，也不需要使用attach()，完整可运行代码如下：

library("UsingR")
library("dplyr")
data("kid.weights")

# 取前6行数据+分组统计，若需要统计全量数据集，删除[1:6,]即可
df <- kid.weights[1:6,] %>% 
  mutate(Kg = weight * 0.453592,
         M = height * 0.0254) %>% 
  group_by(gender) %>% 
  summarise(
    kg_mean = mean(Kg),
    kg_median = median(Kg)
  )

# 查看分组统计结果
df

运行后即可得到不同性别分组对应的千克体重的均值、中位数，不会再出现两个分组结果一致的问题。

内容的提问来源于stack exchange，提问作者Min