数据框中具有 NA 值的列的均值和 SD答案

【问题标题】：means and SD for columns in a dataframe with NA values数据框中具有 NA 值的列的均值和 SD
【发布时间】：2014-01-14 16:00:56
【问题描述】：

我正在尝试用NA 值计算data.frame 中几列（第一列除外）的平均值和标准差。

我尝试使用colMeans、sapply 等方法创建一个循环，该循环贯穿 data.frame，然后将平均值和标准差存储在单独的表中，但不断收到“FUN”错误。任何帮助都会很棒。谢谢

一个

【问题讨论】：

您可以发布您尝试过的代码吗？目前还不清楚你在哪里卡住了。
一个“有趣”的错误不是一种有用的表达方式。可能有帮助的是错误消息的确切文本 - 不要假设没有人会理解它。

标签： r mean sapply standard-deviation

【解决方案1】：

sapply(df, function(cl) list(means=mean(cl,na.rm=TRUE), sds=sd(cl,na.rm=TRUE)))
      col1     col2     col3     col4     col5    
means 3        8        12.5     18.25    22.5    
sds   1.581139 1.581139 1.290994 1.707825 1.290994

as.data.frame( t(sapply(df, function(cl) list(means=mean(cl,na.rm=TRUE), 
                                              sds=sd(cl,na.rm=TRUE))) ))
     means      sds
col1     3 1.581139
col2     8 1.581139
col3  12.5 1.290994
col4 18.25 1.707825
col5  22.5 1.290994

【讨论】：

最好用... 替换主要参数以提高清晰度：sapply(df, function(...) list(means=mean(..., na.rm=TRUE), sds=sd(..., na.rm=TRUE)))
你觉得这样“更清楚”？我的看起来更具体，我认为会产生更多信息丰富的错误消息，我认为“更清楚”，但也许我错过了更深层次甚至更明显的东西？
是的，我们没有修改的主要 arg(s) 的省略号的使用更加清楚，这是 R 中的约定。从略读中可以看出，它非常清楚地表明我们代码的重点是将非默认参数 na.rm=TRUE 添加到两个 fn 调用中。更强大的是，省略号可以代表多个参数。你的错误信息也不会更清楚。
我对 R-dots（省略号）解析形式有点熟悉，但我错过了那个共识文件。如果链接，我会阅读材料。
据我所知没有权威引用，但它在代码中非常普遍； Hadley 在他的包裹中经常使用它。这是one citation

【解决方案2】：

以下示例代码可能很有用。

# Create a 5 column dataframe that contains some NAs
col1 <- c(1,2,3,4,5)
col2 <- c(6,7,8,9,10)
col3 <- c(11,12,13,14,NA)
col4 <- c(16,NA,18,19,20)
col5 <- c(21,22,23,24,NA)
dataframe <- data.frame(col1,col2,col3,col4,col5)

# Apply the mean() function to all but the first column of the dataframe
apply(dataframe[,2:ncol(dataframe)], 2, function(x) mean(x, na.rm=TRUE))

# Check that the returned values are correct:
mean(col2)
mean(col3, na.rm=TRUE)
mean(col4, na.rm=TRUE)
mean(col5, na.rm=TRUE)

对于标准差，将mean() 替换为sd()。

【讨论】：

【解决方案3】：

你应该使用的函数（例如colMeans）几乎都有一个名为na.rm的参数，默认为FALSE。只需执行colMeans(x = your_df, na.rm = TRUE) 就可以了。如果您想逐列访问，则与仅使用 mean() 相同。

【讨论】：