如何正确计算数据框分组均值？aggregate函数使用存疑

我明白你遇到的问题啦——你用aggregate的时候出现警告，而且结果里包含了不必要的错误内容，这是因为你传入了整个数据框给aggregate，而它尝试对所有列（包括字符型的value列）应用mean函数，字符类型自然没法计算均值，所以才会弹出警告。

正确的实现方式 #

下面给你两种靠谱的aggregate用法，都能准确计算各组i列的均值：

方法1：公式式写法（推荐，更直观）

这种写法用公式i ~ value明确指定：按value列分组，计算i列的均值，代码如下：

values <- data.frame(value = c("a", "a", "a", "a", "a", "b", "b", "b", "c", "c", "c", "c"), 
                     i = c(1,2,3,4,5,6,7,8,9,10,11,12))

agg <- aggregate(i ~ value, data = values, FUN = mean)
print(agg)

运行后会得到清晰的结果：

value  i
1     a  3
2     b  7
3     c 10.5

方法2：指定聚合列与分组列的写法

如果你习惯用by参数，可以明确指定要聚合的是values$i列，同时给分组列命名（避免默认的Group.1列名）：

agg <- aggregate(values$i, by = list(Group = values$value), FUN = mean)
# 可以重命名列让结果更清晰
colnames(agg) <- c("value", "mean_i")
print(agg)

为什么原来的代码会出错？ #

你原来的代码agg <- aggregate(values, by = list(values$value), FUN = mean)会遍历values的每一列：

• 对i列（数值型）：能正常计算均值
• 对value列（字符型）：mean函数无法处理字符，所以弹出警告，结果中该列会变成NA

这样既产生了警告，结果也不是你想要的纯净分组均值，所以才会觉得方法不正确。

内容的提问来源于stack exchange，提问作者Suhail Gupta