R 中各列的平均值，不包括 NA

Question

我无法想象我是第一个提出这个问题的人，但我还没有找到解决方案（这里或其他地方）。

我有几列，我想在 R 中对其进行平均。唯一最棘手的方面是某些列包含 NA。

例如：

Trait Col1 Col2 Col3
DF    23   NA   23
DG    2    2    2
DH    NA   9    9

我想创建一个 Col4 来平均前 3 列中的条目，忽略 NA。 所以：

 Trait Col1 Col2 Col3 Col4
 DF    23   NA   23   23
 DG    2    2    2    2
 DH    NA   9    9    9 

理想情况下这样的事情会起作用：

data$Col4 <- mean(data$Chr1, data$Chr2, data$Chr3, na.rm=TRUE)

但事实并非如此。

Answer 1

你想要rowMeans()，但重要的是要注意它有一个na.rm 参数，你想将其设置为TRUE。例如：

> mat <- matrix(c(23,2,NA,NA,2,9,23,2,9), ncol = 3)
> mat
     [,1] [,2] [,3]
[1,]   23   NA   23
[2,]    2    2    2
[3,]   NA    9    9
> rowMeans(mat)
[1] NA  2 NA
> rowMeans(mat, na.rm = TRUE)
[1] 23  2  9

为了匹配你的例子：

> dat <- data.frame(Trait = c("DF","DG","DH"), mat)
> names(dat) <- c("Trait", paste0("Col", 1:3))
> dat
  Trait Col1 Col2 Col3
1    DF   23   NA   23
2    DG    2    2    2
3    DH   NA    9    9
> dat <- transform(dat, Col4 = rowMeans(dat[,-1], na.rm = TRUE))
> dat
  Trait Col1 Col2 Col3 Col4
1    DF   23   NA   23   23
2    DG    2    2    2    2
3    DH   NA    9    9    9

Answer 2

为什么不接受答案？ 公认的答案是正确的，但是对于这个特定任务过于具体，无法一概而论。如果我们需要 var、skewness 等其他统计信息，甚至是自定义函数，而不是 mean，该怎么办？

更灵活的解决方案：

row_means <- apply(X=data, MARGIN=1, FUN=mean, na.rm=TRUE)

---

更多详情请关注apply：

通常，要在整个数据集上应用任何函数（自定义或内置），按列或按行，apply 或其变体之一（sapply，lapply`，...）应该使用。它的签名是：

apply(X, MARGIN, FUN, na.rm)

地点：

• X：表单数据框或矩阵的数据。
• MARGIN：聚合发生的维度。使用1 进行行操作，2 进行列操作。
• FUN：对数据调用的操作。这里可以使用任何预定义的 R 函数以及任何用户定义的函数。
• na.rm：如果是TRUE，则NA 的值将在FUN 被调用之前被删除。

我为什么要使用apply？

出于多种原因，包括但不限于：

1. 任何功能都可以轻松插入apply。
2. 对于不同的首选项，例如输入或输出数据类型，可以使用其他变体（例如，lapply 用于列表操作）。
3. （最重要的是）它促进了可扩展性，因为该函数的某些版本允许并行执行（例如来自{parallel} 库的mclapply）。例如，请参阅 [+] 或 [+]。