问题的一个不清楚的部分是是否应该在跨所有数据帧提取列之后计算给定列的平均值,还是每个数据帧计算一次。
另一个答案中描述的技术将返回每个文件计算一次的平均值列表。如果问题的目的是在所有数据帧中提取一列,然后计算平均值,我们需要先提取unlist() 结果,并将其用作mean() 的输入。
我们用我在 Github 上维护的 Pokémon stats 数据来说明这一点。
download.file("https://raw.githubusercontent.com/lgreski/pokemonData/master/PokemonData.zip",
"pokemonData.zip",
method="curl",mode="wb")
unzip("pokemonData.zip",exdir="./pokemonData")
thePokemonFiles <- list.files("./pokemonData",pattern="*.csv",
full.names=TRUE)
dataList <- lapply(thePokemonFiles,read.csv)
此时dataList 是一个包含 8 个数据帧的列表,每个数据帧都包含一代神奇宝贝的统计数据,我们可以使用 RStudio 环境查看器对其进行检查。
如果我们想逐代查找Attack stat的mean(),可以使用lapply(),如下所示。
lapply(dataList,function(x,y) mean(x[[y]]),"Attack")
这里我们使用带有两个参数的匿名函数x和y,其中x代表dataList中的数据框,y代表Attack中的列。
这会返回一个包含 8 个方法的列表。
> lapply(dataList,function(x,y) mean(x[[y]]),"Attack")
[[1]]
[1] 72.91391
[[2]]
[1] 68.26
[[3]]
[1] 73.93617
[[4]]
[1] 79.99138
[[5]]
[1] 82.44242
[[6]]
[1] 94.92366
[[7]]
[1] 86.5082
[[8]]
[1] 83.66387
如果想要的结果是所有 8 个数据帧中 Attack 的单一平均值怎么办?
在这种情况下,我们可以使用lapply() 提取所需的列,使用unlist() 的结果创建一个数字向量,并将其作为参数传递给mean()。
鉴于 R 可以嵌套函数,我们可以在一行代码中完成。
mean(unlist(lapply(dataList,function(x,y) x[,y],"Attack")))
...和输出:
> mean(unlist(lapply(dataList,function(x,y) x[,y],"Attack")))
[1] 80.46699
增强结果
鉴于问题和答案中的一些 cmets,我想我会说明我们如何生成比数字列表更容易使用的结果。
如果我们在创建初始列表时为每个数据框分配一个名称,那么我们可以使用这些名称来驱动后续处理,包括输出数据框中的名称信息。
# assign names to dataList
df_names <- paste0("gen_",sprintf("%02d",1:8))
names(dataList) <- df_names
分配名称后,我们可以使用df_names 向量通过匿名函数驱动lapply()。
resultList <- lapply(df_names,function(x,y) {
df <- dataList[[x]] # use [[ to return a data frame vs. list()
theMean <- mean(df[,y],na.rm=TRUE) # use [,] extract for variable substitution
result_df <- data.frame(x,theMean)
names(result_df) <- c("dataFrame",paste0("mean_",y))
result_df
},"Attack")
此时,resultList 是一个包含 8 个数据帧的列表,每个数据帧包含一个观察值。我们使用do.call() 和rbind() 的组合将数据帧组合成单个输出数据帧。
# combine into single dataframe
do.call(rbind,resultList)
生成的数据框允许我们查看每个输入数据框的均值。
> do.call(rbind,resultList)
dataFrame mean_Attack
1 gen_01 72.91391
2 gen_02 68.26000
3 gen_03 73.93617
4 gen_04 79.99138
5 gen_05 82.44242
6 gen_06 94.92366
7 gen_07 86.50820
8 gen_08 83.66387
注意:我根据我对内容的了解生成了数据框名称列表。也可以使用list.files() 和full.names = FALSE 来生成名称。