使用dplyr::mutate排除当前同类观测计算非同类Y值均值

嘿，我来帮你搞定这个dplyr的需求！这里有两种实用的实现方式，既能得到你想要的结果，还能适配不同场景：

方法一：高效推导法（大数据集首选） #

我们可以通过全局统计量+分组统计量来推导其他组的均值，不用逐行筛选，效率更高：

library(dplyr)

# 先构造你的示例数据集
df <- tibble(
  X = c("A", "A", "B", "B", "C", "C"),
  Y = c(1, 2, 3, 4, 5, 6)
)

df %>%
  # 先按X分组，计算每组的均值和样本量
  group_by(X) %>%
  mutate(
    group_avg = mean(Y),
    group_count = n()
  ) %>%
  ungroup() %>%
  # 计算全局的均值和总样本量
  mutate(
    total_avg = mean(Y),
    total_count = n(),
    # 核心公式：(总总和 - 当前组总和) / (总样本量 - 当前组样本量)
    Mean = (total_avg * total_count - group_avg * group_count) / (total_count - group_count)
  ) %>%
  # 保留需要的列
  select(X, Y, Mean)

方法二：直观筛选法（小数据集友好） #

如果更看重逻辑的直观性，直接按字面意思，逐行筛选出当前X以外的所有Y值计算均值：

df %>%
  rowwise() %>%
  mutate(
    Mean = mean(filter(df, X != cur_data()$X)$Y)
  ) %>%
  ungroup()

最终结果 #

两种方法都会输出你预期的结果：

# A tibble: 6 × 3
  X         Y  Mean
  <chr> <dbl> <dbl>
1 A         1   4.5
2 A         2   4.5
3 B         3   3.5
4 B         4   3.5
5 C         5   2.5
6 C         6   2.5

小提示 #

• 方法一的推导逻辑：其他组的总和等于所有Y的总和减去当前组Y的总和，样本量是总样本量减去当前组的样本量，两者相除就是目标均值，这种方法在大数据集上运行速度会快很多。
• 方法二更贴近你描述的“所有X不等于当前行X的Y值的平均值”的字面逻辑，适合小数据集或者需要快速理解代码的场景。

内容的提问来源于stack exchange，提问作者mrmajacuze