R 不会使用聚合函数正确计算均值

Posted 2023-03-24

【中文标题】R 不会使用聚合函数正确计算均值

【英文标题】：R won't compute means correctly with aggregate function

【发布时间】：2021-08-16 02:29:52

【问题描述】：

不确定为什么 R 不能正确计算我的数据的平均值。我确实有很多 NA 值，但 R 一直告诉我平均值是 NA。这是一个例子：

data1=read_excel"pepper.xlsx"

data1$cultivar = as.factor(data1$cultivar)

mean = aggregate(data1[,3:4], list(data1$cultivar), mean)

cultivar	replication	width	height
BOF	1	12	14
BOF	2	10	NA
BOF	3	NA	15
BOF	4	NA	NA

它不是计算 BOF 的平均宽度为 11 和平均 height 为 14.5，而是计算高度和宽度的平均值为 NA。这是对我的数据的过度简化。我的研究中有几个品种，并使用aggregate 函数计算了每个品种的每个变量的平均值。

【问题讨论】：

mean 有一个参数 na.rm 来删除缺失值。添加na.rm = TRUE 作为参数。详情请见?mean。

另外，请注意您的措辞 - “R 不会正确计算意味着”听起来好像您认为 R 中存在错误。“我如何忽略 mean 中的缺失值”是更政治化的方式来表达这个问题。

aggregate(.~cultivar, data1, mean, na.rm = TRUE)

@GregorThomas 谢谢！这解决了我的问题。对措辞感到抱歉，但感谢您的提醒。我以前从未编码过，我希望自学 R 来分析我的研究生课程的数据。希望如果我不小心说错了话或做错了事，我不会受到这个社区的强烈反对。只是来这里学习！

这能回答你的问题吗？ How do I get R to ignore N/A values without having it delete the whole row?

【参考方案1】：

更新： 不需要匿名函数（感谢 Gregor Thomas，参见 cmets）。我们可以使用：

summarise(across(where(is.numeric), mean, na.rm = TRUE))

第一个答案： 感谢 Gregor Thomas colMeans不会在这里工作。 我们可以使用dplyr 包summarise 和across

library(dplyr)

df %>% 
  group_by(cultivar) %>% 
  summarise(across(where(is.numeric),~ mean(., na.rm = TRUE)))

输出：

  cultivar replication width height
  <chr>          <dbl> <dbl>  <dbl>
1 BOF              2.5    11   14.5

【讨论】：

这并没有考虑到 aggregate 所做的分组......这就是我猜测你为什么要投票的原因。

@Gregor Thomas。谢谢你的提示。请看我的编辑！

这里不需要匿名函数，可以简化为summarise(across(where(is.numeric), mean, na.rm = TRUE))

感谢格雷戈尔·托马斯。我已经更新了答案！

【参考方案2】：

试试这个：

mean = aggregate(data1[,3:4], list(data1$cultivar), mean, na.rm = TRUE, na.action = na.pass)