如何使用tidyverse按分组计算SG赛道均值并生成全量观测差值分?
问题原因
你原来的方案存在两处逻辑错误:
- 分组维度错误:你在计算SG平均时加入了
course作为分组字段,实际只需要按day和bib两个维度分组即可。 - 匹配逻辑错误:处理得到的
avg.sgtime仅保留了course=SG的记录,join时默认按所有同名字段匹配,非SG赛道的记录无法匹配到对应分组,因此出现NA值。
最优实现方案
无需拆分表再join,直接在原表按目标维度分组后,条件计算SG赛道均值即可,一步得到结果,7万行数据运行效率很高:
library(dplyr) result <- df %>% # 仅按日期、bib号分组,匹配你需要的聚合维度 group_by(day, bib) %>% mutate( # 分组内仅提取SG赛道的完赛时间计算均值 avg.sg = mean(finish[course == 'SG'], na.rm = TRUE), # 直接计算差值分 diff = finish - avg.sg ) %>% # 按需取消分组,避免后续操作受分组影响 ungroup()
原join方案的修复方法
如果你坚持用拆分再join的实现逻辑,可以按以下方式调整:
- 计算SG平均时,仅保留需要的分组维度和均值字段:
avg.sgtime <- df %>% filter(course == 'SG') %>% # 仅按目标维度分组 group_by(day, bib) %>% # 汇总得到每个分组的唯一SG均值,避免冗余行 summarise(avg.sg = mean(finish, na.rm = TRUE), .groups = "drop")
- join时明确指定匹配键,避免多余字段干扰匹配:
result <- df %>% # 仅用day和bib两个字段匹配,忽略course字段的差异 left_join(avg.sgtime, by = c("day", "bib")) %>% mutate(diff = finish - avg.sg)
内容的提问来源于stack exchange,提问作者Cmagelssen
相关产品推荐
相关产品推荐

