基于R、F、M三列计算加权均值遇异常：weighted.mean结果行值一致

嘿，我完全懂你碰到的这个坑——weighted.mean()函数默认是对整个输入的向量集合计算全局加权均值，而不是按行逐个计算每行的加权和，这就是为什么你得到的结果列所有行数值都一模一样！

问题根源 #

举个简单例子：假设你的数据框是df，包含R、F、M三列。如果直接写：

df$weighted_score <- weighted.mean(c(df$R, df$F, df$M), c(0.2, 0.3, 0.5))

这行代码会把R、F、M三列的所有值合并成一个大向量，然后用三个权重计算整个向量的单一均值，再把这个值重复填充到每一行，自然全相同。

三种可行的解决方案 #

根据你的需求，我们需要按行计算加权和，以下是几种高效的实现方式：

1. 直接逐列计算（最直观，效率最高）

既然公式明确是0.2×R + 0.3×F + 0.5×M，直接按列相乘后相加就行，完全不需要用weighted.mean()：

df$weighted_score <- df$R * 0.2 + df$F * 0.3 + df$M * 0.5

2. 用rowSums()批量计算

如果后续权重有调整，或者列数较多，用rowSums()更灵活：

# 定义权重向量
weights <- c(0.2, 0.3, 0.5)
# 选择目标列并与权重相乘后按行求和
df$weighted_score <- rowSums(df[, c("R", "F", "M")] * weights)

3. 用apply()按行调用weighted.mean()

如果想保留weighted.mean()的调用逻辑，可以用apply()指定按行（第二个参数为1）计算：

df$weighted_score <- apply(df[, c("R", "F", "M")], 1, function(row) {
  weighted.mean(row, c(0.2, 0.3, 0.5))
})

测试示例 #

你可以用下面的测试数据验证效果：

# 创建测试数据框
set.seed(123) # 固定随机种子，方便复现
df <- data.frame(
  R = sample(1:5, 5, replace = TRUE),
  F = sample(1:5, 5, replace = TRUE),
  M = sample(1:5, 5, replace = TRUE)
)

# 用方法1计算
df$score <- df$R*0.2 + df$F*0.3 + df$M*0.5

# 查看结果
print(df)

运行后你会看到score列每行都是不同的数值，完全符合预期。

内容的提问来源于stack exchange，提问作者J_p