R语言分组聚合与函数实现(二):合并方差计算问题
分组迭代计算合并方差的R实现
核心计算规则
严格遵循给定的迭代合并逻辑:
- 每轮合并两个独立样本,新样本量为两个被合并样本的n值之和
- 合并后的标准差通过固定公式计算:
combined_s = sqrt( ((n1 - 1)*s1^2 + (n2 - 1)*s2^2) / (n1 + n2 -2) ) - 逐次两两合并,直到每个分组仅剩余1条记录即停止
- 说明:合并方差本质是对组内所有样本的离均差平方和做加权汇总,无论合并顺序如何,最终计算结果完全一致,不需要严格按照固定行序两两合并。
测试示例数据
构造题中给出的测试数据集:
df <- data.frame( k = c("g", "g", "g", "r", "r", "r"), n = rep(10, 6), s = c(2.5, 4.2, 3.1, 5.0, 3.8, 2.7) )
实现代码
基础R版本(无第三方依赖)
# 定义两样本合并计算函数 pool_merge <- function(acc, curr) { new_n <- acc["n"] + curr["n"] new_s <- sqrt( ((acc["n"] - 1) * acc["s"]^2 + (curr["n"] - 1) * curr["s"]^2) / (new_n - 2) ) setNames(c(new_n, new_s), c("n", "s")) } # 逐组累次合并 res <- do.call( rbind, lapply(split(df, df$k), function(sub) { # 将组内每行拆分为独立列表元素,逐次调用合并函数 merged <- Reduce(pool_merge, split(sub[, c("n", "s")], seq(nrow(sub)))) data.frame(k = sub$k[1], t(merged)) }) ) rownames(res) <- NULL
Tidyverse生态版本
library(dplyr) library(purrr) res <- df %>% group_by(k) %>% summarise( # 以组内第一行为初始值,逐行累次合并 merged_res = reduce2( .x = n[-1], .y = s[-1], .f = function(acc, curr_n, curr_s) { new_n <- acc$n + curr_n new_s <- sqrt( ((acc$n - 1)*acc$s^2 + (curr_n -1)*curr_s^2)/(new_n -2) ) list(n = new_n, s = new_s) }, .init = list(n = n[1], s = s[1]) ), n = merged_res$n, s = round(merged_res$s, 4), .groups = "drop" )
输出验证
运行代码后结果与题中预期完全匹配:
| k | n | s |
|---|---|---|
| g | 30 | 3.3458 |
| r | 30 | 3.9654 |
内容的提问来源于stack exchange,提问作者FalconX
相关产品推荐
相关产品推荐

