计算 R 中矩阵每一列的平均值

Posted 2023-03-23

【中文标题】计算 R 中矩阵每一列的平均值

【英文标题】：calculate the mean for each column of a matrix in R

【发布时间】：2014-03-15 12:05:42

【问题描述】：

我正在 R 工作室研究 R。 我需要计算数据框每一列的平均值。

 cluster1  // 5 by 4 data frame
 mean(cluster1) // 

我明白了：

  Warning message:
  In mean.default(cluster1) :
  argument is not numeric or logical: returning NA

但我可以使用

  mean(cluster1[[1]])

获取第一列的平均值。

如何获取所有列的均值？

任何帮助将不胜感激。

【问题讨论】：

有用的自助工具包括内置的apropos（例如apropos('mean')）和sos包中的findFn。

还有this great reference card。

【参考方案1】：

你可以使用colMeans:

### Sample data
set.seed(1)
m <- data.frame(matrix(sample(100, 20, replace = TRUE), ncol = 4))

### Your error
mean(m)
# [1] NA
# Warning message:
# In mean.default(m) : argument is not numeric or logical: returning NA

### The result using `colMeans`
colMeans(m)
#   X1   X2   X3   X4 
# 47.0 64.4 44.8 67.8 

【讨论】：

如果我们要计算median，或者min，max怎么办？我们有类似colMedians 的东西吗？

@AnhTriet，可以考虑"matrixStats" package?

@TrietDoan 如果您有一个数据框并且想要计算中位数、标准差等，请使用 apply：apply(df, 2, median)。这里的“2”表示按列。见这里：***.com/a/18047916/5824031

【参考方案2】：

您可以使用“应用”来运行函数或矩阵或数字数据框的行或列：

cluster1 <- data.frame(a=1:5, b=11:15, c=21:25, d=31:35)

apply(cluster1,2,mean)  # applies function 'mean' to 2nd dimension (columns)

apply(cluster1,1,mean)  # applies function to 1st dimension (rows)

sapply(cluster1, mean)  # also takes mean of columns, treating data frame like list of vectors

【讨论】：

如果你改用colMeans(m) 和rowMeans(m) 会更好。比apply(cluster1,1,mean)优化更快

【参考方案3】：

如果您有 NA：

sapply(data, mean, na.rm = T)      # Returns a vector (with names)   
lapply(data, mean, na.rm = T)      # Returns a list  

请记住，“平均值”需要数字数据。如果您有混合类数据，请使用：

numdata<-data[sapply(data, is.numeric)]  
sapply(numdata, mean, na.rm = T)  # Returns a vector
lapply(numdata, mean, na.rm = T)  # Returns a list  

【参考方案4】：

另一种方法是使用purrr包

# example data like what is said above

@A 手推车和马海毛

set.seed(1)
m <- data.frame(matrix(sample(100, 20, replace = TRUE), ncol = 4))


library(purrr)
means <- map_dbl(m, mean)

> means
#  X1   X2   X3   X4 
#47.0 64.4 44.8 67.8 

【参考方案5】：

你可以试试这个：

mean(as.matrix(cluster1))

【参考方案6】：

试试吧！还可以计算NA的数据！

df <- data.frame(a1=1:10, a2=11:20)

df %>% summarise_each(funs( mean( .,na.rm = TRUE)))


# a1   a2
# 5.5 15.5

【参考方案7】：

class(mtcars)
my.mean <- unlist(lapply(mtcars, mean)); my.mean



   mpg        cyl       disp         hp       drat         wt       qsec         vs 
 20.090625   6.187500 230.721875 146.687500   3.596563   3.217250  17.848750   0.437500 
        am       gear       carb 
  0.406250   3.687500   2.812500 

【参考方案8】：

colMeans(A, na.rm = FALSE, dims = 1)

https://stat.ethz.ch/R-manual/R-devel/library/base/html/colSums.html

这是在基类中，所以不需要库。

第一个答案看起来像是使用分析库中的 colMeans，这在 R 版本 4.0.2 中不可用。

【参考方案9】：

为了多样性：另一种方法是将向量函数转换为可处理数据的函数 使用plyr::colwise()帧

set.seed(1)
m <- data.frame(matrix(sample(100, 20, replace = TRUE), ncol = 4))

plyr::colwise(mean)(m)


#   X1   X2   X3   X4
# 1 47 64.4 44.8 67.8