R语言中基于每组最新日期提取数值并计算总均值的实现方法
R 实现“取每位人员最新体重计算均值”的需求
抱歉此前的标题表述不够清晰,我的问题较为简单但不易准确描述,现有如下示例数据集:
| 人员 | 日期(月/日/年) | 体重 |
|---|---|---|
| Person1 | 01/15/21 | 93 |
| Person2 | 01/16/21 | 87 |
| Person3 | 01/14/21 | 73 |
| Person1 | 01/17/21 | 95 |
| Person2 | 01/15/21 | 85 |
| Person3 | 01/18/21 | 73.5 |
计算规则
仅采用每位人员的最新体重数据参与计算,预期筛选得到的有效样本为:
- Person1(对应记录日期01/17/21):体重95
- Person2(对应记录日期01/16/21):体重87
- Person3(对应记录日期01/18/21):体重73.5
对上述三个有效体重值求均值,最终预期结果为85.2。
R 实现步骤
1. 数据预处理
首先构造示例数据集,必须先将原始字符串格式的日期转换为可正确排序的日期类型,避免字符串比较带来的排序逻辑错误:
# 构造原始示例数据 df <- data.frame( 人员 = c("Person1", "Person2", "Person3", "Person1", "Person2", "Person3"), 日期 = c("01/15/21", "01/16/21", "01/14/21", "01/17/21", "01/15/21", "01/18/21"), 体重 = c(93, 87, 73, 95, 85, 73.5) ) # 匹配"%m/%d/%y"(月/日/两位年份)规则,将字符串解析为标准日期格式 df$日期 <- as.Date(df$日期, format = "%m/%d/%y")
2. 基础R实现(无第三方包依赖)
通过ave函数计算每个人员对应的最大日期,筛选匹配的最新记录后直接求均值:
# 筛选每个人员日期最大的记录 latest_records <- df[df$日期 == ave(df$日期, df$人员, FUN = max), ] # 计算最终均值 mean(latest_records$体重) # 输出:[1] 85.2
3. dplyr 实现(日常分析常用语法)
通过分组取最大值的逻辑完成筛选,代码可读性更强:
library(dplyr) df %>% group_by(人员) %>% # 按日期排序,取每组最新的1条记录 slice_max(日期, n = 1) %>% # 提取体重值计算整体均值 summarise(最终均值 = mean(体重)) # 输出结果: # # A tibble: 3 × 1 # 最终均值 # <dbl> # 1 85.2
4. data.table 实现(大数据集适用)
针对百万行以上的大规模数据,该写法的运行效率更高:
library(data.table) dt <- as.data.table(df) # 分组取每个人员日期最大的行,计算体重均值 dt[, .SD[which.max(日期)], by = 人员][, mean(体重)] # 输出:[1] 85.2
注意:实现过程中切勿直接用原始日期字符串比较大小,尤其是年/月/日位数不统一时会出现排序逻辑错误,必须转换为标准日期类型后再做筛选。
内容的提问来源于stack exchange,提问作者Zachary McClean
相关产品推荐
相关产品推荐

