如何对一个因子的多个层次的综合响应求和?

  • 本文关键字:层次 综合 求和 响应 一个 r
  • 更新时间 :
  • 英文 :


这是我的数据集:

Plot Rate Rep Plant Tuber Weight
1    101    1   1     1     1  179.4
2    101    1   1     1     2   99.4
3    101    1   1     1     3   72.4
4    101    1   1     1     4  111.5
5    101    1   1     1     5   44.9
6    101    1   1     1     6   55.3
7    101    1   1     1     7   12.6
8    101    1   1     1     8  106.7
9    101    1   1     1     9   96.7
10   101    1   1     1    10   52.5
11   101    1   1     2     1  151.1
12   101    1   1     2     2  171.7
13   101    1   1     2     3   93.0
14   101    1   1     2     4   82.4
15   101    1   1     2     5  143.9
16   101    1   1     2     6  115.6
17   101    1   1     2     7  141.3
18   101    1   1     2     8   72.6
19   101    1   1     2     9   97.2
20   101    1   1     2    10  146.8
21   101    1   1     2    11  104.0
22   101    1   1     2    12  121.6
23   101    1   1     3     1  150.9
24   101    1   1     3     2   47.1
25   101    1   1     3     3   59.6
26   101    1   1     3     4   94.2
27   101    1   1     3     5  167.4
28   101    1   1     3     6   55.2
29   101    1   1     3     7   21.8
30   101    1   1     3     8   79.6
31   101    1   1     3     9   92.2
32   101    1   1     3    10   78.0
33   101    1   1     3    11   61.8
34   101    1   1     3    12    9.5
35   101    1   1     3    13    2.7
36   101    1   1     3    14    3.8
37   101    1   1     3    15    1.1
38   103    2   1     1     1   24.8
39   103    2   1     1     2   70.1
40   103    2   1     1     3   90.7
41   103    2   1     1     4   75.1
42   103    2   1     1     5   97.9
43   103    2   1     1     6   44.6
44   103    2   1     1     7   65.1
45   103    2   1     1     8   74.5
46   103    2   1     1     9    6.2
47   103    2   1     1    10    7.4
48   103    2   1     1    11   46.1
49   103    2   1     1    12   43.8
50   103    2   1     1    13   61.8
51   103    2   1     1    14   88.2
52   103    2   1     1    15   64.4
53   103    2   1     1    16   35.0
54   103    2   1     1    17    6.0
55   103    2   1     1    18    6.4
56   103    2   1     1    19   55.2
57   103    2   1     1    20   12.1
58   103    2   1     1    21    2.2
59   103    2   1     1    22    4.6
60   103    2   1     1    23    2.3
61   103    2   1     2     1   76.2
62   103    2   1     2     2   63.2
63   103    2   1     2     3   85.3
64   103    2   1     2     4    1.3
65   103    2   1     2     5   59.7
66   103    2   1     2     6   94.9
67   103    2   1     2     7    1.2
68   103    2   1     3     1  103.1
69   103    2   1     3     2    1.6
70   103    2   1     3     3   52.9
71   103    2   1     3     4  101.7
72   103    2   1     3     5   68.5
73   103    2   1     3     6   74.1
74   103    2   1     3     7  106.0
75   103    2   1     3     8   62.7
76   103    2   1     3     9   65.0
77   103    2   1     3    10   47.5
78   103    2   1     3    11    1.2
79   103    2   1     3    12    5.3
80   103    2   1     3    13    8.3
81   103    2   1     3    14    5.5
82   103    2   1     3    15    2.5
83   104    3   1     1     1  150.3
84   104    3   1     1     2  218.8
85   104    3   1     1     3  149.4
86   104    3   1     1     4  144.7
87   104    3   1     1     5  112.5
88   104    3   1     1     6  144.5
89   104    3   1     1     7  139.0
90   104    3   1     1     8  156.9
91   104    3   1     1     9  120.2
92   104    3   1     1    10   46.3
93   104    3   1     1    11   43.4
94   104    3   1     1    12   81.3
95   104    3   1     1    13    7.1
96   104    3   1     1    14   33.3
97   104    3   1     1    15   31.2
98   104    3   1     1    16   12.8
99   104    3   1     1    17    1.5
100  104    3   1     1    18  116.9
101  104    3   1     1    19   52.5
102  104    3   1     2     1   11.5
103  104    3   1     2     2  130.0
104  104    3   1     2     3     NA
105  104    3   1     2     4  125.9
106  104    3   1     2     5  103.6
107  104    3   1     2     6   43.0
108  104    3   1     2     7   79.0
109  104    3   1     2     8   79.4
110  104    3   1     2     9   51.1
111  104    3   1     2    10    1.9
112  104    3   1     2    11    4.5
113  104    3   1     2    12   17.2
114  104    3   1     2    13   58.2
115  104    3   1     2    14   71.6
116  104    3   1     2    15   80.4
117  104    3   1     2    16   44.1
118  104    3   1     2    17   62.4
119  104    3   1     2    18   52.9
120  104    3   1     2    19   28.0
121  104    3   1     2    20   89.4
122  104    3   1     2    21   62.7
123  104    3   1     2    22   55.5
124  104    3   1     2    23    0.8
125  104    3   1     2    24   22.5
126  104    3   1     2    25    2.5
127  104    3   1     2    26    1.6
128  104    3   1     2    27   46.6
129  104    3   1     3     1  191.9
130  104    3   1     3     2  153.2
131  104    3   1     3     3  137.0
132  104    3   1     3     4   90.8
133  104    3   1     3     5  152.8
134  104    3   1     3     6   69.2
135  104    3   1     3     7   11.6
136  104    3   1     3     8   58.7
137  104    3   1     3     9   53.2
138  104    3   1     3    10   68.4
139  104    3   1     3    11   46.0
140  104    3   1     3    12   75.6
141  104    3   1     3    13   68.9
142  104    3   1     3    14   94.8
143  104    3   1     3    15   89.7

这涵盖了我的整个数据集中四个代表中的一个。我正在寻找一种方法来获得三个收集的植物的总块茎重量,在四个代表之间的平均值,为每个比率。为了明确,我想将每种Rate/Rep组合的所有3种植物的所有块茎的重量添加到一个最终值中,然后我想获得构成4种Rate的4个唯一Rep(重复)之间的最终值的平均值。

当手动计算速率1的前两次代表时,我得到以下结果:

Rate Rep TotalResponse
1    1   1        3197.5
2    1   2        2367.4

为了尽可能清楚地说明,"TotalResponse"列显示了"权重"的总和。速率/Rep组合对所有三株植物中每个块茎的响应

当取这两个回答的平均值时,我得到这个:

Rate AvgResponse
1    1   2782.4

在现实中,我需要为所有4个代表做第一步,而不仅仅是其中的2个,然后我需要最后的表格包含4个比率的平均响应。

Rate AvgResponse
1    1   2782.4
2    1   xxxx
3    1   xxxx
4    1   xxxx

提前感谢您的帮助。

我们可能需要按'Rate', 'Rep'分组,获得'Weight'的sum,然后按'Rate'分组并返回'TotalResponse'的mean

library(dplyr)
df1 %>% 
group_by(Rate, Rep) %>%
summarise(TotalResponse = sum(Weight, na.rm = TRUE),
.groups = 'drop_last') %>%
group_by(Rate) %>% 
summarise(AvgResponse = mean(TotalResponse))

最新更新