列表中多个数据框的汇总统计答案

【问题标题】：summary statistics of multiple data frames within a list列表中多个数据框的汇总统计
【发布时间】：2015-07-18 17:35:07
【问题描述】：

如果我有这份清单

set.seed(123)
thelist <- list(a=data.frame(x1=rnorm(10), x2=rnorm(10)),
                b=data.frame(x1=rnorm(10), x2=rnorm(10)),
                c=data.frame(x1=rnorm(10), x2=rnorm(10)))

想要计算每个列表中每一列的平均值，我可以使用以下代码来计算。

sapply(do.call("rbind",thelist),mean)

我如何计算标准偏差，再次为每个列表中的每一列 (a:c)，因为 sd 没有等效函数（至少据我所知）？

任何建议将不胜感激。

【问题讨论】：

标签： r list function

【解决方案1】：

基本的 R 解决方案是使用两次sapply。

仅表示它是：

t(sapply(thelist, sapply, mean))

导致

            x1        x2
a  0.074625644 0.2086220
b -0.424558873 0.3220446
c -0.008715537 0.2216860

如果你想要两个：

my_summary <- function(x){
  c(mean = mean(x), sd = sd(x))
}

as.data.frame(lapply(thelist, sapply, my_summary))

导致：

           a.x1     a.x2       b.x1      b.x2         c.x1      c.x2
mean 0.07462564 0.208622 -0.4245589 0.3220446 -0.008715537 0.2216860
sd   0.95378405 1.038073  0.9308092 0.5273024  1.082518163 0.8564451

【讨论】：

酷，以前从未见过sapplying sapply！
谢谢。最后我想要CI。提供您的功能是完美的。我能够将其修改为 'my_summary
@B.Davis 如果您的数据很大，最好只计算一次 mean 和 sd，例如 function(x){m <- mean(x); s <- sd(x); c(...)} 您可以将它们放在单独的行中，而不是使用分号，当然。
我的意思是my_summary <- function(x){m <- mean(x); s <- sd(x); c(mean = m, UpperCI = m + 1.96*s, LowerCI = m - 1.96*s)}是你应该使用的函数，否则你在重复计算平均值和sd。
完美。确实，要快得多。

【解决方案2】：

首先，我会通过将名称放入一列来使其可堆叠：

for (i in seq_along(thelist)) thelist[[i]]$dfname <- names(thelist)[i]

然后，用data.table 堆叠取手段：

require(data.table)
DT <- rbindlist(thelist)

DT[,lapply(.SD,mean),by=dfname]

给了

   dfname           x1        x2
1:      a  0.074625644 0.2086220
2:      b -0.424558873 0.3220446
3:      c -0.008715537 0.2216860

您也可以考虑使用 summary 函数，尽管它在这里很笨重：

DT[,as.list(unlist(lapply(.SD,summary))),by=dfname]
#    dfname x1.Min. x1.1st Qu. x1.Median   x1.Mean x1.3rd Qu. x1.Max. x2.Min. x2.1st Qu. x2.Median x2.Mean x2.3rd Qu. x2.Max.
# 1:      a  -1.265    -0.5318  -0.07983  0.074630    0.37800   1.715 -1.9670   -0.32690    0.3803  0.2086     0.6505  1.7870
# 2:      b  -1.687    -1.0570  -0.67700 -0.424600    0.06054   1.254 -0.3805   -0.23680    0.4902  0.3220     0.7883  0.8951
# 3:      c  -1.265    -0.6377  -0.30540 -0.008716    0.56410   2.169 -1.5490   -0.03929    0.1699  0.2217     0.5018  1.5160

最后，复制my old answer，你可以创建自己的summary-stats函数：

summaryfun <- function(x) list(mean=mean(x),sd=sd(x))
DT[,as.list(unlist(lapply(.SD,summaryfun))),by=dfname]
#    dfname      x1.mean     x1.sd   x2.mean     x2.sd
# 1:      a  0.074625644 0.9537841 0.2086220 1.0380734
# 2:      b -0.424558873 0.9308092 0.3220446 0.5273024
# 3:      c -0.008715537 1.0825182 0.2216860 0.8564451

【讨论】：

【解决方案3】：

您可以按照自己的建议组合数据，然后按如下方式汇总：

thelist_named <- Map(cbind, thelist, nam = names(thelist))
thelist_binded <- do.call(rbind, thelist_named)

聚合部分：

my_summary <- function(x){
  c(mean = mean(x), sd = sd(x))
}
aggregate(.~nam, thelist_binded, my_summary)

结果：

  nam      x1.mean        x1.sd   x2.mean     x2.sd
1   a  0.074625644  0.953784051 0.2086220 1.0380734
2   b -0.424558873  0.930809213 0.3220446 0.5273024
3   c -0.008715537  1.082518163 0.2216860 0.8564451

【讨论】：