如何用dplyr计算分组后不同时间点的均值比率等统计量？

嘿，这个需求完全可以用dplyr搞定，甚至能一步串在管道里完成！我给你拆解下步骤，再补个适合大数据的备选方案～

首先咱们先构造一份模拟数据（方便你直接复制测试）：

library(dplyr)
library(tidyr) # 转宽/转长可能用到

set.seed(123) # 固定随机种子，结果可复现
df <- tibble(
  trial = rep(paste0("Trial_", 1:3), each = 4), # 3个试验，每个试验4个时间点
  time_point = rep(c("T0", "T1", "T2", "T3"), 3), # 时间点
  value = rnorm(12, mean = 20, sd = 3) # 数值型数据
)

第一步：基础分组统计（均值、标准差） #

先按trial和time_point分组，计算每个组的均值和标准差：

basic_stats <- df %>%
  group_by(trial, time_point) %>%
  summarise(
    mean_val = round(mean(value), 2), # 保留两位小数更清爽
    sd_val = round(sd(value), 2),
    .groups = "drop_last" # 保留trial的分组，方便后续计算跨时间点比率
  )

第二步：计算试验内的时间点均值比率 #

这里分两种常见场景：

场景1：以某个基准时间点（比如T0）为参照计算比率

如果想知道每个时间点的均值相对于T0的比例，直接在group_by(trial)的前提下提取T0的均值，再做除法：

ratio_to_base <- basic_stats %>%
  mutate(
    base_mean_T0 = mean_val[time_point == "T0"], # 提取当前试验的T0均值
    mean_ratio_to_T0 = round(mean_val / base_mean_T0, 3) # 计算比率
  )

场景2：计算相邻时间点的均值比率（比如T1/T0、T2/T1）

这种情况需要先确保时间点是有序的，然后用lag()函数调用前一个时间点的均值：

# 先把time_point转成有序因子，避免排序混乱
df <- df %>%
  mutate(time_point = factor(time_point, levels = c("T0", "T1", "T2", "T3")))

adjacent_ratio <- basic_stats %>%
  arrange(time_point) %>% # 按时间点顺序排列
  mutate(
    mean_ratio_adjacent = round(mean_val / lag(mean_val), 3) # 相邻时间点比率
  )

整合所有统计量到一个结果 #

可以把上面的步骤串成一条管道，一次性得到所有汇总数据：

full_summary <- df %>%
  mutate(time_point = factor(time_point, levels = c("T0", "T1", "T2", "T3"))) %>%
  group_by(trial, time_point) %>%
  summarise(
    mean_val = round(mean(value), 2),
    sd_val = round(sd(value), 2),
    .groups = "drop_last"
  ) %>%
  mutate(
    base_mean_T0 = mean_val[time_point == "T0"],
    mean_ratio_to_T0 = round(mean_val / base_mean_T0, 3),
    mean_ratio_adjacent = round(mean_val / lag(mean_val), 3)
  ) %>%
  ungroup()

如果你的数据集非常大，data.table的速度会比dplyr更快，写法也很简洁：

library(data.table)

setDT(df) # 把tibble转成data.table

# 基础统计 + 基准比率一步完成
full_summary_dt <- df[, 
  .(mean_val = round(mean(value), 2), sd_val = round(sd(value), 2)), 
  by = .(trial, time_point)
][, 
  `:=`(
    base_mean_T0 = mean_val[time_point == "T0"],
    mean_ratio_to_T0 = round(mean_val / base_mean_T0, 3)
  ), 
  by = trial
][order(time_point), # 按时间点排序
  mean_ratio_adjacent = round(mean_val / lag(mean_val), 3),
  by = trial
]

• 一定要确保time_point的顺序正确！如果是字符型（比如"T0","T1"），最好转成有序因子，避免排序时出现"T10"排在"T2"前面的问题。
• 如果你的试验内每个时间点有重复观测（比如同一个trial+time_point有多条数据），summarise()会自动计算组内的均值/标准差，完全没问题。

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