动态选择列和汇总数据[重复]

Posted 2023-03-24

【中文标题】动态选择列和汇总数据[重复]

【英文标题】：Dynamically Select Columns and Summaries Data [duplicate]

【发布时间】：2020-01-16 10:23:19

【问题描述】：

我有以下数据框

ID <- c(1,1,2,3,4,5,6)
Value1 <- c(20,50,30,10,15,10,NA)
Value2 <- c(40,33,84,NA,20,1,NA)
Value3 <- c(60,40,60,10,25,NA,NA)
Grade1 <- c(20,50,30,10,15,10,NA)
Grade2 <- c(40,33,84,NA,20,1,NA)

DF <- data.frame(ID,Value1,Value2,Value3,Grade1,Grade2)

  ID Value1 Value2 Value3 Grade1 Grade2
1  1     20     40     60     20     40
2  1     50     33     40     50     33
3  2     30     84     60     30     84
4  3     10     NA     10     10     NA
5  4     15     20     25     15     20
6  5     10      1     NA     10      1
7  6     NA     NA     NA     NA     NA

我想按 ID 分组，选择名称包含字符串（“值”）的列，并获取不包括 NA 的这些列的平均值。

这是所需输出的示例

ID     mean(Value)
1      41
2      58
3      10
....

为了解决这个挑战，我编写了以下代码

Library(tidyverse)    
DF %>% group_by (ID) %>% select(contains("Value")) %>% summarise(mean(.,na.rm = TRUE))

代码按 ID 对数据进行分组，选择列名包含 ("Value") 的列，并尝试使用均值函数汇总所选列。当我运行我的代码时，我得到以下输出

> DF %>% group_by (ID) %>% select(contains("Value")) %>% summarise(mean(.))
Adding missing grouping variables: `ID`
# A tibble: 6 x 2
     ID `mean(.)`
  <dbl>     <dbl>
1     1        NA
2     2        NA
3     3        NA
4     4        NA
5     5        NA
6     6        NA

感谢您以这种方式提供帮助。

【参考方案1】：

您应该尝试使用 pivot_longer 来获取从宽格式到长格式的数据 在 pivot_longer 和 pivot_wider (https://tidyr.tidyverse.org/articles/pivot.html) 上阅读最新的 tidyR 更新

library(tidyverse)

ID <- c(1,2,3,4,5,6)
Value1 <- c(50,30,10,15,10,NA)
Value2 <- c(33,84,NA,20,1,NA)
Value3 <- c(40,60,10,25,NA,NA)

DF <- data.frame(ID,Value1,Value2,Value3)

DF %>% pivot_longer(-ID) %>% 
  group_by(ID) %>% summarise(mean=mean(value,na.rm=TRUE))

在这里输出

   ID  mean
  <dbl> <dbl>
1     1  41  
2     2  58  
3     3  10  
4     4  20  
5     5  5.5
6     6 NaN  

【讨论】：

能否解释一下为什么要使用数据透视函数？是否可以通过分组来解决这个问题？

我使用了分组，但在透视之后，因为您的数据是宽格式的。为了对数据进行分组，我们需要长格式（阅读此内容以了解 Wide Vs Long 数据discuss.analyticsvidhya.com/t/…）

【参考方案2】：

不使用 dplyr 或任何特定包，这会有所帮助：

DF$mean<- rowMeans(DF[,c(2:4)], na.rm = T)

【讨论】：

您的解决方案假定列的索引是静态的。我想通过使用列名进行搜索来避免这个问题。

如果 ID 始终存在，您可以使用：DF$avg % select(-ID), na.rm = T)