计算列子集的行均值

Posted 2023-02-14

【中文标题】计算列子集的行均值

【英文标题】：Calculate row means on subset of columns

【发布时间】：2022-01-21 04:40:31

【问题描述】：

给定一个示例数据框：

C1<-c(3,2,4,4,5)
C2<-c(3,7,3,4,5)
C3<-c(5,4,3,6,3)
DF<-data.frame(ID=c("A","B","C","D","E"),C1=C1,C2=C2,C3=C3)

DF
    ID C1 C2 C3
  1  A  3  3  5
  2  B  2  7  4
  3  C  4  3  3
  4  D  4  4  6
  5  E  5  5  3

创建包含ID 列和每行平均值的第二个数据框的最佳方法是什么？像这样的：

ID  Mean
A    3.66
B    4.33
C    3.33
D    4.66
E    4.33

类似于：

RM<-rowMeans(DF[,2:4])

我想让手段与他们的ID 保持一致。

【参考方案1】：

从您的数据框DF 开始，您可以使用data.table 包：

library(data.table)

## EDIT: As suggested by @MichaelChirico, setDT converts a
## data.frame to a data.table by reference and is preferred
## if you don't mind losing the data.frame
setDT(DF)

# EDIT: To get the column name 'Mean':

DF[, .(Mean = rowMeans(.SD)), by = ID]

#      ID     Mean
# [1,]  A 3.666667
# [2,]  B 4.333333
# [3,]  C 3.333333
# [4,]  D 4.666667
# [5,]  E 4.333333

【讨论】：

谢谢。还要注意class(DF)，您不会丢失data.frame，因为任何寻找data.frame 对象的函数都应该在setDT 之后接受DF（尤其是现在data.table是成熟的一面）

如果我只想要 C2 和 C3 之间的行均值怎么办？

那么你可以使用DF[, .(Mean = rowMeans(.SD)), by = ID, .SDcols = c("C2", "C3")]。参数.SDcols 确定要包含在.SD 中的列。 @user3841581

@BenBarnes 就我而言，我不确定我想要采用 rowMeans 的实际列数，在某些情况下它们可能是 196，而在其他情况下可能是 198，依此类推。但是一个很常见的是他们名字的首字母，就像 Mgw.1, Mgw.2 ... Mgw.196 类似 Hel.1, Hel.2 ... Hel.198 所以我想做的是不要触摸 data.table 的初始 5 列，然后是所有具有首字母 Mgw 的列，获取它们的 rowMeans 并将其分配给 MGW（删除所有单独的列，只保留一个具有平均值的列），以此类推其余列。你能指导我怎么做吗？

@Newbie 这听起来像是一个新问题，您应该自己发布。

【参考方案2】：

计算列子集上的行均值：

创建一个新的 data.frame，它将 DF 的第一列指定为称为 ID 的列，并计算该行上所有其他字段的平均值，并将其放入标题为“平均值”的列中：

data.frame(ID=DF[,1], Means=rowMeans(DF[,-1]))
  ID    Means
1  A 3.666667
2  B 4.333333
3  C 3.333333
4  D 4.666667
5  E 4.333333

【参考方案3】：

您可以在与 Means 对应的数据框中使用 $ 创建一个新行

DF$Mean <- rowMeans(DF[,2:4])

【参考方案4】：

使用dplyr：

library(dplyr)

# exclude ID column then get mean
DF %>%
  transmute(ID,
            Mean = rowMeans(select(., -ID)))

或者

# select the columns to include in mean
DF %>%
  transmute(ID,
            Mean = rowMeans(select(., C1:C3)))

#   ID     Mean
# 1  A 3.666667
# 2  B 4.333333
# 3  C 3.333333
# 4  D 4.666667
# 5  E 4.333333

【参考方案5】：

（从最新的Tidyr 更新中使用pivot_longer 和pivot_wider 的另一种解决方案）

您应该尝试使用 pivot_longer 将数据从宽格式变为长格式 阅读有关 pivot_longer 和 pivot_wider 的最新 tidyR 更新 (https://tidyr.tidyverse.org/articles/pivot.html)

library(tidyverse)
C1<-c(3,2,4,4,5)
C2<-c(3,7,3,4,5)
C3<-c(5,4,3,6,3)
DF<-data.frame(ID=c("A","B","C","D","E"),C1=C1,C2=C2,C3=C3)

在这里输出

  ID     mean
  <fct> <dbl>
1 A      3.67
2 B      4.33
3 C      3.33
4 D      4.67
5 E      4.33

【参考方案6】：

rowMeans 很好，但如果您仍然想了解apply 系列函数，这是开始理解它的好机会。

DF['Mean'] <- apply(DF[,2:4], 1, mean)

请注意，我正在做的作业与第一个示例略有不同。这种方法更容易将其合并到 for 循环中。