如何用R函数筛选大型数据集指定数据并计算接种YES人群年龄均值

• 基础R内置函数：subset()，适合中小规模数据集，语法简单易上手
• tidyverse生态的dplyr::filter()：优化了运算效率，是当前数据分析场景的主流选择，对中大型数据集适配性好
• 针对超大规模数据集（百万行及以上），推荐使用data.table包的自定义筛选语法，内存占用和运算速度都有明显优势

首先构造示例数据表：

# 构造示例数据
df <- data.frame(
  Name = c("A", "B", "C", "D", "F"),
  Age = c(12, 16, 12, 19, 21),
  Vaccination = c("yes", "yes", "no", "no", "yes")
)

方法1：基础R实现 #

# 筛选接种状态为yes的人群
vaccinated_people <- subset(df, Vaccination == "yes")
# 计算年龄平均值
mean_age <- mean(vaccinated_people$Age)
# 输出结果
print(mean_age)

运行结果为16.33333

方法2：dplyr实现（更适合流水线操作） #

# 加载dplyr包
library(dplyr)
mean_age <- df %>%
  filter(Vaccination == "yes") %>%
  summarise(mean_age = mean(Age))
# 输出结果
print(mean_age)

内容的提问来源于stack exchange，提问作者ATMADEEP GHOSHAL