所有数值变量平均值的组间差异答案

【问题标题】：Between group difference in mean values for all numeric variables所有数值变量平均值的组间差异
【发布时间】：2020-05-06 06:40:03
【问题描述】：

我正在尝试计算跨多个数值变量的两组之间平均值的差异。例如，如果我有以下数据：

Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1          5.1         3.5          1.4         0.2     setosa
2          4.9         3.0          1.4         0.2 versicolor
3          4.7         3.2          1.3         0.2 versicolor
4          4.6         3.1          1.5         0.2     setosa
5          5.0         3.6          1.4         0.2     setosa

例如，我想从“setosa”的平均值中减去“versicolor”的平均值，并将其保存为新的数据框。

结果如下所示：

Sepal.Length Sepal.Width Petal.Length Petal.Width    
1          0.1         0.3          0.18         0.0

我真的很想使用我目前正在学习的 dplyr 来做到这一点。此外，理想情况下，该解决方案可以应用于更大的数据框（100 个变量），并且可以专门选择数值变量来应用该函数。

如果您可以逐行分解代码，那就太好了。

非常感谢。

【问题讨论】：

标签： r dplyr mean data-manipulation

【解决方案1】：

这是使用dplyr 的一种方法：

iris %>%
  filter(Species %in% c("versicolor", "setosa")) %>%
  group_by(Species) %>%
  summarise_all(mean) %>%
  summarise_at(-1, diff)

# A tibble: 1 x 4
  Sepal.Length Sepal.Width Petal.Length Petal.Width
         <dbl>       <dbl>        <dbl>       <dbl>
1        0.930      -0.658         2.80        1.08

【讨论】：

这正是我想要的！你能告诉我这里的“summarise_at”函数到底是怎么回事吗？
太棒了！ summarise_at(-1, diff) 将 diff 函数应用于除第一列（即组）之外的所有列。你也可以写 summarise_at(vars(-Species), diff)

【解决方案2】：

对于purrr（它是tidyverse 的一部分，就像dplyr），如果你总是减去相同的组，你可以这样写：

library(tidyverse)
iris %>% 
  select(-Species) %>% 
  map_df(~{
    mean(.x[iris$Species=="setosa"])-mean(.x[iris$Species=="versicolor"])
  })

从 iris 数据集中，删除 Species 列，然后，对于其他列，减去均值。

# A tibble: 1 x 4
  Sepal.Length Sepal.Width Petal.Length Petal.Width
         <dbl>       <dbl>        <dbl>       <dbl>
1       -0.930       0.658        -2.80       -1.08

这就像为每一列写这个：

mean(iris$Sepal.Length[iris$Species=="setosa"])-mean(iris$Sepal.Length[iris$Species=="versicolor"])

注意在 map 调用之前不要使用任何filter 函数，否则结果可能是错误的。

【讨论】：

【解决方案3】：

有许多可能的方法可以做到这一点，并根据需要构建输出。一种选择是将数据框重新构造为长/宽并将其变为柱状形式，然后简单地减去所需的列，即

library(dplyr)

iris1 %>% 
 group_by(Species) %>% 
 summarise_all(list(mean)) %>% 
 pivot_longer(cols = Sepal.Length:Petal.Width) %>% 
 pivot_wider(names_from = Species, values_from = value) %>% 
 mutate(versicolor_setosa = setosa - versicolor)

给出，

# A tibble: 4 x 4
  name         setosa versicolor versicolor_setosa
  <chr>         <dbl>      <dbl>             <dbl>
1 Sepal.Length   4.90       4.8             0.1000
2 Sepal.Width    3.4        3.1             0.300 
3 Petal.Length   1.43       1.35            0.0833
4 Petal.Width    0.2        0.2             0

【讨论】：