我希望代码创建一个汇总表，其中根据两个标准(即因子变量的水平(计算多个均值。这些级别位于各自的列中，但我想将它们切入表格的自己的列中，并创建一个总列(即两个级别的平均值组合(。我有以下示例代码：
我想使用表格作为降价的整洁数据摘要，并可能转换为单词。
Depth<-c('0', '0.1-2.0', '2.1-10.0', '10.1-20.0', '20.1-
50.0', '50.1-100.0', '0', '0.1-2.0', '2.1-10.0', '10.1-20.0',
'20.1-50.0', '50.1-100.0')
Tag<- c('Tag.1', 'Tag.1', 'Tag.1', 'Tag.1',
'Tag.1', 'Tag.1', 'Tag.2', 'Tag.2', 'Tag.2',
'Tag.2', 'Tag.2', 'Tag.2')
Proportion<- c(2.287356322, 5.896551724, 9.528735632,
7.229885057, 73.54022989, 1.517241379, 0.5, 86.3, 13.2,
0.1, 0.1, 0.1)
Season<- c('Autumn', 'Autumn', 'Autumn', 'Autumn',
'Autumn', 'Autumn', 'Summer', 'Summer', 'Summer',
'Summer', 'Summer', 'Summer')
df<-data.frame(Depth, Tag, Proportion, Season)
我可以从中创建下表：
library(knitr)
df$Proportion<-as.numeric(df$Proportion)
df$Depth<-as.factor(df$Depth)
tt1<-df%>%
group_by(Season, Depth)%>%
summarise(Mean=mean(Proportion))
kable(tt1)
|Season |Depth | Mean|
|:------|:----------|---------:|
|Autumn |0 | 2.287356|
|Autumn |0.1-2.0 | 5.896552|
|Autumn |10.1-20.0 | 7.229885|
|Autumn |2.1-10.0 | 9.528736|
|Autumn |20.1-50.0 | 73.540230|
|Autumn |50.1-100.0 | 1.517241|
|Summer |0 | 0.500000|
|Summer |0.1-2.0 | 86.300000|
|Summer |10.1-20.0 | 0.100000|
|Summer |2.1-10.0 | 13.200000|
|Summer |20.1-50.0 | 0.100000|
|Summer |50.1-100.0 | 0.100000|
但进一步的总结将使读者受益(即表格只有四列：1 深度、2 平均自动、3 平均和 4 总计(
我试过：
ttt1<-df%>%
group_by(Depth)%>%
mutate(meanAut=case_when(Season=='Autumn' ~
summarise(mean(Proportion))))%>%
mutate(meanSum=case_when(Season=='Summer' ~
summarise(mean(Proportion))))%>%
bind_rows(summarise_all(., funs(if(is.numeric(.)) sum(.) else "Total")))
但是得到错误：mutate_impl(.data， dots( 中的错误：计算错误：没有适用于类"c('double'， 'numeric'("对象的"summarise_"方法。
预期产出：
Depth meanAut meanSum Total
0 2.2 NA 2.2
0.1-2.0 5.8 86.3 46.05
10.1-20.0 7.2 0.1 3.65
2.1-10.0 9.5 13.2 11.35
20.1-50.0 73.5 0.1 36.8
50.1-100.0 1.5 0.1 0.8
有关如何格式化表格的任何建议将不胜感激！
一种tidyverse可能性可能是：
df %>%
group_by(Depth, Season) %>%
summarise(mean_season = mean(Proportion, na.rm = TRUE)) %>%
mutate(Season = paste("Mean", Season, sep = "_")) %>%
spread(Season, mean_season) %>%
left_join(df %>%
group_by(Depth) %>%
summarise(Mean_Total = mean(Proportion, na.rm = TRUE)),
by = c("Depth" = "Depth"))
Depth Mean_Autumn Mean_Summer Mean_Total
<fct> <dbl> <dbl> <dbl>
1 0 2.29 0.5 1.39
2 0.1-2.0 5.90 86.3 46.1
3 10.1-20.0 7.23 0.1 3.66
4 2.1-10.0 9.53 13.2 11.4
5 20.1-50.0 73.5 0.1 36.8
6 50.1-100.0 1.52 0.1 0.809
在这里，它首先计算每个深度和季节的平均值。其次，它创建新的变量名称，包含"平均值"。第三，它将新的变量名称转换为列，均值作为值。第四，它计算每个深度的总体平均值。最后，它结合了整体和季节性手段，在"深度"上将两者结合在一起。
并添加来自knitr kable()：
df %>%
group_by(Depth, Season) %>%
summarise(mean_season = mean(Proportion, na.rm = TRUE)) %>%
mutate(Season = paste("Mean", Season, sep = "_")) %>%
spread(Season, mean_season) %>%
left_join(df %>%
group_by(Depth) %>%
summarise(Mean_Total = mean(Proportion, na.rm = TRUE)),
by = c("Depth" = "Depth")) %>%
kable()
|Depth | Mean_Autumn| Mean_Summer| Mean_Total|
|:----------|-----------:|-----------:|----------:|
|0 | 2.287356| 0.5| 1.3936782|
|0.1-2.0 | 5.896552| 86.3| 46.0982759|
|10.1-20.0 | 7.229885| 0.1| 3.6649425|
|2.1-10.0 | 9.528736| 13.2| 11.3643678|
|20.1-50.0 | 73.540230| 0.1| 36.8201149|
|50.1-100.0 | 1.517241| 0.1| 0.8086207|