R语言中在dataframe内批量计算多变量加权平均值的高效方法

方法1：基础R实现（无需额外安装包） #

首先定位需要计算的目标国家列，再批量调用加权平均函数：

# 筛选目标列：排除非国家的id、年份、权重列
target_cols <- setdiff(colnames(df), c("id", "year", "weight"))
# 若国家列有统一命名规则，也可使用正则匹配筛选，例如：target_cols <- grep("^[a-z]+", colnames(df), value = TRUE)

# 批量计算所有国家列的加权平均值，返回命名向量
weighted_means <- sapply(df[target_cols], function(col) weighted.mean(col, w = df$weight))

运行后直接输出weighted_means即可查看每个国家对应的加权平均结果。

方法2：tidyverse 实现（输出结构化表格，支持扩展分组计算） #

如果习惯使用tidyverse生态的语法，用dplyr的across函数可以更方便完成计算，且结果直接为表格格式，方便后续处理：

library(dplyr)

# 批量计算加权均值，返回1行的结果表
result <- df %>%
  summarise(across(all_of(target_cols), ~ weighted.mean(.x, w = weight)))

# 如果需要按年份等维度分组计算，仅需增加group_by步骤即可
result_by_year <- df %>%
  group_by(year) %>%
  summarise(across(all_of(target_cols), ~ weighted.mean(.x, w = weight)))

效率说明 #

两种实现均为向量化运算，就算有上百个目标列、数十万行数据也能高效运行，完全可以满足30+列的批量计算需求。

内容的提问来源于stack exchange，提问作者Adrian