在 mutate() 中使用 weighted.mean() 创建行加权平均值答案

【问题标题】：Using weighted.mean() in mutate() to create rowwise weighted means在 mutate() 中使用 weighted.mean() 创建行加权平均值
【发布时间】：2021-09-29 07:09:58
【问题描述】：

我正在努力创建一个新列，该列应构造为 X 和 Y 变量的行加权平均值。我想使用 weighted.mean() 的原因是我需要的 na.rm 功能。

我有数据框

library(tidyverse)
seed(2021)

df <- tibble(x = rnorm(10,0,5),
             y = rnorm(10,0,10))

我尝试像这样创建新列：

df <- df %>% mutate(z = weighted.mean(cbind(x,y),cbind(rep(c(0.2,0.8),10))))

但是，这会产生一个填充相同常量的行，所以我似乎没有指定我需要逐行操作。我将不胜感激指导手 - 谢谢！

【问题讨论】：

标签： r tidyverse dplyr

【解决方案1】：

试试这个方法

df <- tibble(x = rnorm(10,0,5),
             y = rnorm(10,0,10))

df$z <- df %>% 
  rowwise %>%
  do(data.frame(
    z = weighted.mean(
      x = c(.$x, .$y),
      w = c(.2, .8)
    )
  )) %>%
  ungroup %>%
  magrittr::use_series("z")

或

df %>% 
  mutate( z= df %>% 
            rowwise %>% 
            do(data.frame(
    z = weighted.mean(
      x = c(.$x, .$y),
      w = c(.2, .8)
    )
  )))
  

            x       y     z
    <dbl>   <dbl>   <dbl>
 1  0.176  -1.95   -1.52 
 2 -3.33   -6.88   -6.17 
 3 -4.08    0.827  -0.154
 4  0.609   1.68    1.47 
 5  0.327   8.06    6.51 
 6 -8.63   -2.12   -3.42 
 7 -4.68   -8.52   -7.76 
 8  6.49  -13.0    -9.07 
 9 -2.95  -25.4   -20.9  
10  2.78    5.36    4.85

【讨论】：

【解决方案2】：

你可以做-

library(dplyr)

df %>%
  rowwise() %>%
  mutate(z = weighted.mean(c(x,y), c(0.8, 0.2))) %>%
  ungroup

#      x      y      z
#     <dbl>  <dbl>  <dbl>
# 1 -0.612  -10.8   -2.65
# 2  2.76    -2.73   1.66
# 3  1.74     1.82   1.76
# 4  1.80    15.1    4.46
# 5  4.49    16.0    6.80
# 6 -9.61   -18.4  -11.4 
# 7  1.31    16.2    4.29
# 8  4.58     1.31   3.93
# 9  0.0689  14.8    3.02
#10  8.65    15.1    9.95

或者在基础 R 中 -

df$z <- apply(df, 1, function(x) weighted.mean(x, c(0.8, 0.2)))

【讨论】：