R中来自dplyr的汇总数据帧的算术

Posted 2023-02-14

【中文标题】R中来自dplyr的汇总数据帧的算术

【英文标题】：Arithmetic on summarized dataframe from dplyr in R

【发布时间】：2017-06-09 13:36:10

【问题描述】：

我有一个大型数据集，我使用 dplyr() summarize 来生成一些方法。 有时，我想对该输出进行算术运算。 例如，我想从下面的输出中获取平均值，比如“m.biomass”。

我试过这个mean(data.sum[,7]) 和这个mean(as.list(data.sum[,7]))。有没有一种快速简便的方法来实现这一目标？

data.sum <-structure(list(scenario = c("future", "future", "future", "future"
), state = c("fl", "ga", "ok", "va"), m.soc = c(4090.31654013689, 
3654.45350562628, 2564.33199749487, 4193.83388887064), m.npp = c(1032.244475, 
821.319385, 753.401315, 636.885535), sd.soc = c(56.0344229400332, 
97.8553643582118, 68.2248389927858, 79.0739969429246), sd.npp = c(34.9421782033153, 
27.6443555578531, 26.0728757486901, 24.0375040705595), m.biomass = c(5322.76631158111, 
3936.79457763176, 3591.0902359206, 2888.25308402464), sd.m.biomass = c(3026.59250918009, 
2799.40317348016, 2515.10516340438, 2273.45510178843), max.biomass = c(9592.9303, 
8105.109, 7272.4896, 6439.2259), time = c("1980-1999", "1980-1999", 
"1980-1999", "1980-1999")), .Names = c("scenario", "state", "m.soc", 
"m.npp", "sd.soc", "sd.npp", "m.biomass", "sd.m.biomass", "max.biomass", 
"time"), class = c("grouped_df", "tbl_df", "tbl", "data.frame"
), row.names = c(NA, -4), vars = list(quote(scenario)), labels = structure(list(
    scenario = "future"), class = "data.frame", row.names = c(NA, 
-1), vars = list(quote(scenario)), drop = TRUE, .Names = "scenario"), indices = list(0:3))

【问题讨论】：

data.sum %>% summarise_if(is.numeric, mean)

Why does subsetting a data frame vs. a tibble give different results的可能重复

【参考方案1】：

我们可以使用[[ 将列提取为vector；因为mean 仅适用于vector 或matrix——不适用于data.frame。如果 OP 想在单个列上执行此操作，请使用：

mean(data.sum[[7]]) 
#[1] 3934.726

如果只有data.frame 类，data.sum[,7] 会将其提取为vector，但tbl_df 会阻止它折叠为vector

---

对于多列，dplyr 也有专门的功能

data.sum %>%
       summarise_each(funs(mean), 3:7)

【讨论】：

感谢多列的 dplyr 提示。