R - 如何在数据框中创建一个新列，并根据另一列的条件进行计算

Question

在一个项目中，我在 CT 扫描仪中测量了不同偏离中心位置（列=Offcenter）（工作台高度）的肿瘤碘浓度（列=ROI_IC）。我知道每个肿瘤的真实浓度（列=Real_IC；有 4 种不同的肿瘤具有 4 种不同的 real_IC 浓度）。每个肿瘤在每个偏离中心的位置测量 10 次（列=Measurement_repeat）。我计算了测得的碘浓度和实际碘浓度之间的绝对误差（column=absError_IC）

这只是数据的头部：

Offcenter Measurement_repeat Real_IC ROI_IC absError_IC 1 0 1 0.0 0.4 0.4 2 0 2 0.0 0.3 0.3 3 0 3 0.0 0.3 0.3 4 0 4 0.0 0.0 0.0 5 0 5 0.0 0.0 0.0 6 0 6 0.0 -0.1 0.1 7 0 7 0.0 -0.2 0.2 8 0 8 0.0 -0.2 0.2 9 0 9 0.0 -0.1 0.1 10 0 10 0.0 0.0 0.0 11 0 1 0.4 0.4 0.0 12 0 2 0.4 0.3 0.1 13 0 3 0.4 0.2 0.2 14 0 4 0.4 0.0 0.4 15 0 5 0.4 0.0 0.4 16 0 6 0.4 -0.1 0.5 17 0 7 0.4 0.1 0.3 18 0 8 0.4 0.3 0.1 19 0 9 0.4 0.6 0.2 20 0 10 0.4 0.7 0.3

现在我想创建一个名为 corrError_IC 的新列。
在此列中，测得的碘浓度 (ROI_IC) 应根据在 Offcenter = 0 处针对特定 Real_IC 浓度发现的平均绝对误差（10 次测量的平均值）进行校正

因为有 4 个肿瘤浓度，所以在偏离中心 =0 处有 4 个平均值，我想将其应用于其他偏离中心值。

mean1=mean of the 10 absError-IC measurements of the `Real_IC=0`

mean2=mean of the 10 absError-IC measurements of the `Real_IC=0.4`

mean3=mean of the 10 absError-IC measurements of the `Real_IC=3`

mean4=mean of the 10 absError-IC measurements of the `Real_IC=5`

基本上，我希望特定肿瘤的平均绝对误差为Offcenter = 0（有 4 种不同的肿瘤类型和四种不同的 Real_IC），然后我想通过这个绝对误差值校正其他偏心位置的所有肿瘤源自Offcenter = 0 数据。

我尝试了ifelse 语句，但我无法弄清楚。

编辑： 偏心有特定级别：c(-6,-4,-3,-2,-1,0,1,2,3,4,6)

Answer 1

这是我将如何解决这个问题。

1. 计算按Real_IC分组的absError_IC的平均值。
2. 用分组平均值左连接原始 data.frame

代码示例

## replicate sample data sets
ROI_IC = c(0.4, 0.3, 0.3, 0.0, 0.0, -0.1, -0.2, -0.2, -0.1, 0.0, 
           0.4, 0.3, 0.2, 0.0, 0.0, -0.1, 0.1, 0.3, 0.6, 0.7)
df = data.frame("Offcenter"=rep(0, 40),
                "Measurement_repeat"=rep( c(1:10), 4),
                "Real_IC"=rep( c(0,0.4,3,5), each=10), 
                "ROI_IC"=rep(ROI_IC, 2), 
                stringsAsFactors=F)
df$absError_IC = abs(df$Real_IC - df$ROI_IC)

## compute mean of "absError_IC" grouped by "Real_IC"
mean_values = aggregate(df[df$Offcenter==0, c("absError_IC")], 
                        by=list("Real_IC"=df$Real_IC),
                        FUN=mean)
names(mean_values)[which(names(mean_values)=="x")] = "MAE"

## left join to append column
df = merge(df, mean_values, by.x="Real_IC", by.y="Real_IC", all.x=T, all.y=F, sort=F)
## notice that column order shifts based on "key"
df[c(1:5, 10:15), ]

我建议使用data.table 包，它在需要处理大量数据时特别有用。

library(data.table)
## dt = data.table(df) or dt = fread(<path>)
## dt[dt$Offcenter==0, c("absError_IC") := abs(dt$Real_IC - dt$ROI_IC)]

## compute grouped mean
mean_values = dt[, j=list("MAE"=mean(absError_IC)), by=list(Real_IC)]

## left join
dt = merge(dt, mean_values, by.x="Real_IC", by.y="Real_IC", all.x=T, all.y=F, sort=F)

Answer 2

我找到了一种方法来计算我想要的结果，方法是创建一个额外的列，获取 Off-center = 0 的 4 个 Real_IC 级别的平均绝对误差，并在 Real_IC 具有特定级别时匹配它们。 第二步，我从 ROI_IC 中减去这些。但是，如何将该代码简化为更通用的形式（目前我根据它们的行位置计算平均 absErrors）？对不起，我是一个绝对的初学者；（

注意：我的 data.frame 被称为“ds_M”

#Define absolute errors for the 4 Real_IC levels as variables

average1<-mean(ds_M$absError_IC[1:10]) #for Real_IC=0
average2<-mean(ds_M$absError_IC[11:20]) #for Real_IC=0.4
average3<-mean(ds_M$absError_IC[21:30]) #for Real_IC=3
average4<-mean(ds_M$absError_IC[31:40]) #for Real_IC=5

# New column assigning the correction factor to each Real_IC level
ds_M$absCorr[ds_M$Real_IC==0]<-average1
ds_M$absCorr[ds_M$Real_IC==0.4]<-average2
ds_M$absCorr[ds_M$Real_IC==3]<-average3
ds_M$absCorr[ds_M$Real_IC==5]<-average4

# Calculate new column with corrected ROI_ICs
ds_M$corrError_IC<-ds_M$ROI_IC - ds_M$absCorr

Answer 3

考虑 ave 用于内联聚合，其中它的第一个参数是数字量字段，下一个参数是分组字段，最后一个需要命名参数 FUN 的参数是数字函数：ave(num_vector, ..., FUN=func)。

df$corrError_IC <- with(df, ave(absError_IC, Real_IC, FUN=mean))

要处理 NA，请扩展 na.rm 参数的函数参数：

df$corrError_IC <- with(df, ave(absError_IC, Real_IC, FUN=function(x) mean(x, na.rm=TRUE))