使用dplyr按组计算均值结果异常，求解决方法

这个问题我之前也碰到过，根源在于你在group_by()里用了Data$CodeProject这种外部引用方式，导致dplyr没法正确识别分组逻辑，最终计算出的是整个数据集的均值，而不是每组的均值。

问题原因 #

当你在管道（%>%）里写Data$CodeProject时，你是直接引用了原始数据框的整列，而不是管道传递过来的、已经被分组处理的数据子集。这就相当于告诉dplyr："别管管道里的分组，直接用整个数据的CodeProject列"，所以summarize里的mean(Price)计算的是所有Price的平均值（(3+4+5+6+9)/5 = 5.4），自然每个组的结果都一样。

修正后的代码 #

你只需要去掉group_by()里的Data$前缀，直接使用列名即可：

library(dplyr)
Data %>% 
  group_by(CodeProject) %>% 
  summarize(
    n = n(),
    mean_pr = mean(Price, na.rm = TRUE)
  )

预期输出 #

运行上面的代码后，你会得到正确的分组均值结果：

# A tibble: 2 × 3
  CodeProject     n mean_pr
  <chr>       <int>   <dbl>
1 Pr1             3       4
2 Pr2             2       7.5

内容的提问来源于stack exchange，提问作者Layale