R语言中如何将分组汇总统计值关联回原数据集计算组内Z分数？

你当前使用的group_by() %>% summarise()是聚合类操作，输出的行数与分组数相等，会直接丢失逐行的原始数据记录。要在不丢失原数据集所有列、所有行的前提下，为每一行匹配所属分组的统计值并计算组内Z分数，无需单独生成分组统计宽表再做值匹配，直接利用dplyr的分组派生特性即可高效完成。

library(tidyverse)
data <- iris

# 分组派生过程全程保留原始逐行数据
final_output <- data %>% 
  group_by(Species) %>% 
  mutate(
    # 自动为每行匹配所属物种组的Sepal.Length均值、标准差
    sep_len_group_mean = mean(Sepal.Length, na.rm = TRUE),
    sep_len_group_sd = sd(Sepal.Length, na.rm = TRUE),
    # 逐行计算当前样本在所属组内的Z分数
    sep_len_group_zscore = (Sepal.Length - sep_len_group_mean)/sep_len_group_sd
  )

• 输出的final_output完全保留iris原本的所有原始列，无任何数据丢失
• 组内统计值会自动匹配当前行的Species所属分组，不需要额外执行表连接操作
• 若不需要保留均值、标准差的中间列，可简化计算流程：

# 无中间列的简化实现
final_output_simple <- data %>% 
  group_by(Species) %>% 
  mutate(
    sep_len_group_zscore = (Sepal.Length - mean(Sepal.Length))/sd(Sepal.Length)
  )

• 如果你选择先生成分组统计窄表再关联回原数据集，需要通过Species列做left_join操作，相比直接分组mutate的方法步骤更冗余，还容易出现键值匹配误差。

内容的提问来源于stack exchange，提问作者newbie