如何使用dplyr计算双分组变量的加权均值

嘿，这事儿其实用dplyr就能轻松搞定，甚至可以一步到位，不用先单独生成Count数据框再绕弯子～

方法一：一步完成（更高效推荐） #

直接在原始数据集上操作，先按cyl和mpg分组统计次数，再保留cyl分组计算加权均值：

library(dplyr)

mtcars %>%
  group_by(cyl, mpg) %>%
  summarize(Count = n(), .groups = "drop_last") %>%  # 只移除最内层的mpg分组，保留cyl分组
  summarize(weighted_mpg = weighted.mean(mpg, w = Count))

这里的.groups = "drop_last"参数很关键，它会在第一次summarize后，只去掉最内层的mpg分组，保留cyl作为后续计算的分组依据，这样weighted.mean就能直接按每个cyl类别计算加权均值了。

方法二：基于你已生成的Count数据框 #

如果你已经有了之前生成的含cyl、mpg、Count的数据框（比如命名为count_df），可以直接按cyl分组计算：

# 先生成你提到的Count数据框
count_df <- mtcars %>% 
  group_by(cyl, mpg) %>% 
  summarize(Count = n(), .groups = "drop")

# 计算加权均值
count_df %>%
  group_by(cyl) %>%
  summarize(weighted_mpg = weighted.mean(mpg, w = Count))

结果示例 #

运行上述代码后，你会得到类似这样的输出：

# A tibble: 3 × 2
    cyl weighted_mpg
  <dbl>        <dbl>
1     4         26.7
2     6         19.7
3     8         15.1

内容的提问来源于stack exchange，提问作者ds_guy