在变异中使用“group_by”统计数据的可接受做法？

Question

过去，当我需要在部分基于“group_by”汇总统计的 R 数据框中创建一个新变量时，我总是使用以下顺序：

(1) 使用 group_by() 和 summarise() 从基础（未分组）数据框中的数据计算“组统计”

（2）将基础数据框与上一步的结果连接起来，然后使用mutate计算新的变量值。

但是，（在使用 dplyr 多年之后！）我不小心在 mutate 步骤中进行了“总结”，一切似乎都奏效了。这在下面代码 sn-p 中的选项 #2 中进行了说明。我假设选项 #2 没问题，因为我使用这两个选项得到了相同的结果，并且因为我今天在网上找到了类似的示例。但是，我不确定。

选项 #2 是可接受的做法，还是首选选项 #1（如果是，为什么）？

set.seed(123)
df <- tibble(year_ = c(rep(c(2019), 4), rep(c(2020), 4)),
             qtr_ = c(rep(c(1,2,3,4), 2)),
             foo = sample(seq(1:8)))

# Option 1: calc statistics then rejoin with input data
df_stats <- df %>%
  group_by(year_) %>%
  summarize(mean_foo = mean(foo))

df_with_stats <- left_join(df, df_stats) %>%
  mutate(dfoo = foo - mean_foo)

# Option 2: everything in one go
df_with_stats2 <- df %>%
  group_by(year_) %>%
  mutate(mean_foo = mean(foo),
         dfoo = foo - mean_foo)

df_with_stats
# A tibble: 8 x 5
  year_  qtr_   foo mean_foo  dfoo
  <dbl> <dbl> <int>    <dbl> <dbl>
1  2019     1     7        6     1
2  2019     2     8        6     2
3  2019     3     3        6    -3
4  2019     4     6        6     0
5  2020     1     2        3    -1
6  2020     2     4        3     1
7  2020     3     5        3     2
8  2020     4     1        3    -2

df_with_stats2
# A tibble: 8 x 5
# Groups:   year_ [2]
  year_  qtr_   foo mean_foo  dfoo
  <dbl> <dbl> <int>    <dbl> <dbl>
1  2019     1     7        6     1
2  2019     2     8        6     2
3  2019     3     3        6    -3
4  2019     4     6        6     0
5  2020     1     2        3    -1
6  2020     2     4        3     1
7  2020     3     5        3     2
8  2020     4     1        3    -2

Answer 1

选项 2 很好，如果您不需要中间对象，甚至不需要在 mutate 语句中创建 mean_foo：

df %>% group_by(year_) %>% mutate(dfoo=foo-mean(foo))

还有，data.table

setDT(df)[,dfoo:=foo-mean(foo), by =year_]