计算 R 中具有不同权重的多个分组的加权均值

Question

我浏览了很多关于 SO 的帖子，试图让我的代码正常工作，但仍然有一些错误。我正在尝试根据不同的分组计算许多列的加权平均值。具体来说，我想计算由值列加权的特征（在本例中为 wingL、wingW 等）的加权平均值。

这是一个样本数据集（因为我的矩阵很大）和一些代码：

>df
    year site  Species value  wingL  wingW   proL proW 
    2018    2    Aa      3.0   310.6  54.9   NA   1.1       
    2017    2    Aa      1.0   310.6  54.9   NA   1.1 
    2018    2    Bb      7.5    NA    20     3    1.0    
    2017    2    Bb      5      NA    20     3    1.0
    2018    4    Aa      8     310.6  54.9   NA   1.1       
    2017    4    Aa      6     310.6  54.9   NA   1.1
    2018    4    Cc      1    161.20   143.8  NA   NA 
    2017    4    Cc      1    161.20   143.8  NA   NA
    2018    6    Aa      12    310.6   54.9   NA   1.1  
    2018    6    Aa      9.5   310.6   54.9   NA   1.1
    2018    6    Cc      7    161.20   143.8  NA   NA 
    2017    6    Cc      7    161.20   143.8  NA   NA

这是我的代码：

dfnew <- setDT(df)[, lapply(.SD, function(x) weighted.mean(x, value)),
                       by = c("year", "Species"), .SDcols  = wingL:proW]

但它所做的一切都删除了 "value" 列，这是我想用作权重的列。基本上，我想计算列 wingL:proW 的跨行加权平均值。然后，一旦我有了这些数据，我最终将对每个站点的所有物种（Aa、Bb）进行平均。

使用下面的代码，我能够正确地创建一个只有一个新列的新 df（wingL_wm），但无法弄清楚如何为我拥有的许多列扩展它::

dfnew <- df %>% 
          group_by(year, site) %>%
          summarise(wingL_wm = weighted.mean(wingL, value))

希望这是有道理的。谢谢您的帮助这是一个通用的期望输出，尽管 "x" 应该是计算的加权平均值：

year site   wingL_WM  wingW_WM   proL_WM proW_WM
2018    2       x        x         x        x       
2017    2       x        x         x        x
2018    4       x        x         x        x
2017    4       x        x         x        x
2018    6       x        x         x        x    
2017    6       x        x         x        x

Answer 1

dfnew <- setDT(df)[, lapply(.SD, function(x) weighted.mean(x, value, na.rm = TRUE)), by = c("year", "site"), .SDcols = wingL:proW]

我必须包含 na.rm 声明！我认为这给出了正确的结果。感谢大家帮助我考虑清楚，因为我在分组时确实有错误 - 想多了。

它确实替换了原始值，但我可以接受。

计算 R 中具有不同权重的多个分组的加权均值

Calculate weighted means for multiple grouping with different weightings in R

r

weighted-average

dplyr

data.table