R语言ddply分组统计异常：求各帮派Mass的均值、最值

嘿，我一眼就瞅出问题所在啦！

你提前把mass <- Gangs$Mass_kg赋值成了整个数据集的Mass_kg列，这是一个全局向量。当ddply按Gang_affiliation分组计算时，summarise里调用的min(mass)、mean(mass)并没有使用每个帮派分组后的体重子集，而是一直用整个列的统计值，所以所有帮派的结果才会完全相同。

两种修正方案 #

方案1：直接引用原数据列（最简洁推荐） #

删掉提前赋值的mass变量，直接在summarise里用数据框的Mass_kg列，ddply会自动按分组处理每个帮派的体重数据：

# 直接使用原数据列，自动分组计算
mass.summary <- ddply(Gangs, ~Gang_affiliation, summarise, 
                      minimum = min(Mass_kg, na.rm = TRUE), 
                      mean = mean(Mass_kg, na.rm = TRUE), 
                      maximum = max(Mass_kg, na.rm = TRUE))

小贴士：加上na.rm = TRUE能避免数据里有缺失值时计算报错，要是你的数据没缺失值可以省略，但加上更稳妥~

方案2：在分组内定义局部变量 #

如果你非要用mass这个变量名，可以在ddply的分组函数里先给每个组单独赋值mass，这样每个帮派都有自己的体重子集：

# 先在分组内定义局部mass变量，再计算统计值
mass.summary <- ddply(Gangs, ~Gang_affiliation, function(group_df) {
  mass <- group_df$Mass_kg
  summarise(group_df, 
            minimum = min(mass, na.rm = TRUE), 
            mean = mean(mass, na.rm = TRUE), 
            maximum = max(mass, na.rm = TRUE))
})

效果验证 #

运行修正后的代码，你就能得到每个帮派对应的正确体重最小值、均值和最大值啦，不会再出现所有结果一致的情况~

内容的提问来源于stack exchange，提问作者duman403