data.frames 列表中元素的平均值答案

【问题标题】：Mean of elements in a list of data.framesdata.frames 列表中元素的平均值
【发布时间】：2011-11-30 21:07:37
【问题描述】：

假设我有一个 data.frames 列表（相同的行和列）

dat1 <- as.data.frame(matrix(rnorm(25), ncol=5))
dat2 <- as.data.frame(matrix(rnorm(25), ncol=5))
dat3 <- as.data.frame(matrix(rnorm(25), ncol=5))

all.dat <- list(dat1=dat1, dat2=dat2, dat3=dat3)

如何返回单个 data.frame，它是列表中 data.frames 中每个元素的平均值（或总和等）（例如，列表 1、2 中第一行和第一列的平均值， 3等）？我在plyr 中尝试过lapply 和ldply，但它们返回列表中每个data.frame 的统计信息。

编辑：出于某种原因，这被重新标记为家庭作业。不管怎样，这并不重要，但这不是一个家庭作业问题。我只是不知道为什么我不能让它工作。感谢您的任何见解！

Edit2：进一步澄清：我可以使用循环获得结果，但我希望有一种方法（一种更简单、更快的方法，因为我使用的数据有 12 行 x 100 列的 data.frames 并且有 1000+ 个列表数据帧）。

z <- matrix(0, nrow(all.dat$dat1), ncol(all.dat$dat1))

for(l in 1:nrow(all.dat$dat1)){
   for(m in 1:ncol(all.dat$dat1)){
      z[l, m] <- mean(unlist(lapply(all.dat, `[`, i =l, j = m)))
   }
}

用结果表示：

> z
        [,1]        [,2]        [,3]        [,4]       [,5]
[1,] -0.64185488  0.06220447 -0.02153806  0.83567173  0.3978507
[2,] -0.27953054 -0.19567085  0.45718399 -0.02823715  0.4932950
[3,]  0.40506666  0.95157856  1.00017954  0.57434125 -0.5969884
[4,]  0.71972821 -0.29190645  0.16257478 -0.08897047  0.9703909
[5,] -0.05570302  0.62045662  0.93427522 -0.55295824  0.7064439

我想知道是否有一种不那么笨重和更快的方法来做到这一点。谢谢！

【问题讨论】：

那些不是手段。这些是中位数。
感谢您指出这一点。

标签： r list dataframe plyr

【解决方案1】：

这是一个带有plyr 的单行。您可以将mean 替换为您想要的任何其他功能。

ans1 = aaply(laply(all.dat, as.matrix), c(2, 3), mean)

【讨论】：

为什么是 c(2,3)？这是什么意思？
这是一种访问数组的方法...它基本上将数据转换为 3 维数组，然后从中取出一列平均值...优雅 ...赞跨度>

【解决方案2】：

您可以更轻松地更改数据结构，将三个二维矩阵组合成一个 3 维数组（使用 abind 库）。然后解决方案更直接地使用apply 并指定要平均的维度。

编辑：

当我回答这个问题时，它被标记为homework，所以我只是给出了一个方法。最初的海报删除了那个标签，所以我会相信他/她的话不是。

library("abind")

all.matrix <- abind(all.dat, along=3)
apply(all.matrix, c(1,2), mean)

【讨论】：

我不知道abind，我会调查一下。谢谢！

【解决方案3】：

我给出了一个答案，它使用完全不同的数据结构来实现结果。这个答案使用直接给出的数据结构（数据帧列表）。我认为它不太优雅，但还是想提供它。

Reduce(`+`, all.dat) / length(all.dat)

逻辑是将数据帧逐个元素添加在一起（+ 将处理数据帧），然后除以数据帧的数量。使用Reduce 是必要的，因为+ 一次只能接受两个参数（并且加法是关联的）。

【讨论】：

这实际上是我最初尝试的一种策略，但这仅在我试图获得均值或总和时才有效，但我也希望可以选择找到中位数。我认为改变数据结构可能是我最好的选择。
我想不出如何适应中位数；中位数一次需要所有元素，而均值可以一次建立两个。
当data.frame的列表很长时，这个答案比stackoverflow.com/a/7651775/4907好。
这是最干净的解决方案，但是当有字符列时它会失败（例如每个列表中的键相同）。
@jzadra 是的，但是字符串向量的“平均值”无论如何都没有很好地定义。在它们只是标签的地方，data.frame 可以是子集以删除它们，然后再添加一个集合。

【解决方案4】：

另一种只使用base函数来改变对象结构的方法：

listVec <- lapply(all.dat, c, recursive=TRUE)
m <- do.call(cbind, listVec)

现在您可以用rowMeans 计算mean 或用apply 计算median：

means <- rowMeans(m)
medians <- apply(m, 1, median)

【讨论】：

【解决方案5】：

我会采取稍微不同的方法：

library(plyr)
tmp <- ldply(all.dat) # convert to df
tmp$counter <- 1:5 # 1:12 for your actual situation
ddply(tmp, .(counter), function(x) colMeans(x[2:ncol(x)]))

【讨论】：

【解决方案6】：

您不能只使用嵌套的lapply() 调用吗？

这似乎在我的机器上给出了正确的结果

mean.dat <- lapply(all.dat, function (x) lapply(x, mean, na.rm=TRUE))

【讨论】：

使用此代码，您可以获得每个 data.frame 的列的平均值。您使用lapply(all.dat, colMeans) 获得相同的结果。