dplyr group_by 和 mutate，如何访问数据帧

使用dplyr包中的group_by和mutate函数，我们可以方便地对数据框进行分组和添加新的变量。group_by函数可以按照指定的变量对数据框进行分组，而mutate函数可以在每个组内添加新的变量。在本文中，我们将探讨如何使用这两个函数来访问数据框，并且通过一个案例来演示其用法。

分组数据框

首先，我们需要使用group_by函数对数据框进行分组。这个函数接受一个或多个变量作为参数，并将数据框按照这些变量进行分组。我们可以使用$符号来访问分组后的数据框。

下面是一个例子，我们将使用mtcars数据集，按照cyl变量进行分组，并计算每个组内mpg的均值。

R
library(dplyr)
# 分组数据框
mtcars_grouped <- mtcars %>%
  group_by(cyl)
# 访问分组后的数据框
mtcars_grouped$cyl

在上面的例子中，我们使用group_by(cyl)将mtcars数据框按照cyl变量进行分组，并将结果保存到mtcars_grouped变量中。然后，我们使用$符号访问了分组后的数据框的cyl列。这将返回一个包含分组变量的向量。

添加新的变量

接下来，我们将使用mutate函数来添加新的变量到分组后的数据框中。这个函数接受一个或多个变量作为参数，并在每个组内添加新的变量。我们可以使用$符号来访问和操作这些变量。

下面是一个例子，我们使用mtcars数据集，按照cyl变量进行分组，并在每个组内添加变量mpg_mean，表示每个组内mpg的均值。

R
library(dplyr)
# 分组数据框
mtcars_grouped <- mtcars %>%
  group_by(cyl) %>%
  mutate(mpg_mean = mean(mpg))
# 访问分组后的数据框
mtcars_grouped$mpg_mean

在上面的例子中，我们使用group_by(cyl)将mtcars数据框按照cyl变量进行分组，并使用mutate函数在每个组内添加了新的变量mpg_mean。这个变量表示每个组内mpg的均值。然后，我们使用$符号访问了分组后的数据框的mpg_mean列。这将返回一个包含每个组内mpg均值的向量。

案例演示

让我们通过一个具体的案例来演示如何使用group_by和mutate函数来访问数据框。

假设我们有一个包含学生考试成绩的数据框，其中包括学生的姓名、科目和分数。我们想要按照科目对数据进行分组，并计算每个科目内分数的平均值。

下面是一个例子，演示了如何使用group_by和mutate函数来实现这个目标。

R
library(dplyr)
# 创建数据框
scores <- data.frame(</p>  name = c("Alice", "Bob", "Alice", "Bob", "Alice", "Bob"),
  subject = c("Math", "Math", "English", "English", "Science", "Science"),
  score = c(90, 80, 85, 75, 95, 85)
)
# 分组数据框并计算平均值
scores_grouped <- scores %>%
  group_by(subject) %>%
  mutate(average_score = mean(score))
# 输出结果
scores_grouped

在上面的例子中，我们首先创建了一个包含学生考试成绩的数据框scores。然后，我们使用group_by(subject)将数据框按照科目进行分组，并使用mutate函数计算每个组内分数的平均值，并将结果保存到average_score变量中。最后，我们输出了分组后的数据框scores_grouped。

通过这个例子，我们可以看到，group_by和mutate函数可以方便地对数据框进行分组和添加新的变量。这使得我们能够更轻松地进行数据分析和统计。