计算数据框中几列的平均值（和加权平均值）答案

【问题标题】：Calculate the mean (and weighted mean) of several columns within a dataframe计算数据框中几列的平均值（和加权平均值）
【发布时间】：2016-12-12 18:20:06
【问题描述】：

总结

提供了一个数据框，其中我有几列是变量（每个列都是数字，但一个是一个因素），行是观察值，我想创建一个新列，其中包含所有数字列的平均值 +另一个具有所有数字列的加权平均值。

我找到了一些明显解决这个问题的方法（使用dplyr、lapply、data.table...），但它们都不适用于宽数据帧（我不确定我是否可以将其转换为长格式 - 见下文，在标记为重复之前请耐心等待，因为我没有找到任何问题的答案）。

加长版：

我有一个宽格式的数据框，如下面提供的数据框（原始数据框有 1700 多个观测值，对 20 个变量分组到 30 个邻域），这是计算每个变量值的中位数的结果：

df = data.frame(matrix(rnorm(15), nrow = 3))
df$neighbour = c("neighbour1", "neighbour2", "neighbour3")

df
> df
          X1         X2         X3         X4        X5  neighbour
1  1.0384405  0.6116994 -0.2075835  0.3206011 1.3855455 neighbour1
2 -0.5115649 -0.7722500  0.8374265 -1.3697758 0.1690452 neighbour2
3  1.0145282  0.6809156 -0.2918737  0.2912297 1.0689213 neighbour3

我想创作

1) 名为mean 的列是所有数值的平均值（除neighbour 之外的所有列）和
2) wmean 列是每列的加权平均值，其中权重由以下向量提供：weight = c(.25, .05, .3, .3, .3)

我的第一次尝试是使用dplyr::mutate 创建这些列，但我没有成功，很可能是因为我做错了（所以如果我没有以常规平均值成功，我不知道如何执行加权平均）：

df = df %>%
  mutate(mean = mean(select(-neighbour)))
Error in mutate_impl(.data, dots) : 
  argumento no válido para un operador unitario
> df = df %>%
+   mutate(mean = mean())
Error in mutate_impl(.data, dots) : 
  el argumento "x" está ausente, sin valor por omisión
> df = df %>%
+   mutate(mean = mean(is.numeric()))
Error in mutate_impl(.data, dots) : 
  0 arguments passed to 'is.numeric' which requires 1
>

也尝试使用mutate_each，但我假设我的问题是我不知道如何传递正确的列来计算平均值（更不用说我不知道加权平均值）。

根据我的阅读，有很多方法可以创建所需的列：

This answer by Carlos Cinelli 给出了使用sapply + filter、dplyr 和tydr 的示例，但所有这些解决方案都是基于它们不创建新列的事实，每个邻居的观察值的中位数，但每个变量值的中位数。
This answer by @Roland 建议使用 data.table，但为了能够使用它，我的数据框应该有一个带有权重的列（而我没有它，恐怕我不会不知道如何创建这样的列，前提是我有超过 1700 次观察）
This answer by @Bob 使用 apply 创建多列的平均值（这与我正在寻找的内容接近！）但仍然不知道如何 A）排除 neighbour 列，否则它将失败，并且 B ) 来计算加权平均值。

谁能给我带来一些光明？我现在非常忙于解决这个问题，以至于我看不到答案。

编辑：根据@boshek 的answer，我尝试将宽格式转换为长格式，然后应用 summarise_each，但都没有成功：

df = df %>%
  gather(variable, value, -neighbour) %>%
  group_by(neighbour, variable) %>%
  summarise_each(., funs=mean)

【问题讨论】：

通常最好在制作随机数据示例之前使用set.seed，这样更容易验证答案是否有效。出于同样的原因，我会使用sample(100, n) 而不是rnorm(n)，只是为了便于阅读。
在下面做了一些更改
仅供参考，Roland 的方式不需要权重栏。只需使用您的权重向量就可以了... melt(data.table(df))[, .(mean(value), weighted.mean(value, weight)), by=neighbour, verbose=TRUE] .. 然后您只需要合并/分配这些值。
感谢您的建议，弗兰克。我从未使用过set.seed 或sample()，我将不得不研究它们如何解决未来的问题。

标签： r dataframe

【解决方案1】：

df$mean <- apply(df[1:5], 1, mean)
df$wt.mean <- apply(df[1:5], 1, weighted.mean, weight)

【讨论】：

无需创建匿名函数，apply(df[1:5], 1, weighted.mean, weight) 也能正常工作

【解决方案2】：

好的 - 所以你想要的意思是跨行？

我会使用dplyr 中的gather，然后将其与您的原始数据合并：

df.mean <- df %>%
  gather(variable, value, -neighbour) %>%
  group_by(neighbour) %>%
  summarise(mean_value=mean(value), wmean_value=weighted.mean(value))

df.comb <- df %>%
  full_join(.,df.mean, by=c("neighbour"))

有几种方法可以给这只猫剥皮，但这是其中之一。

这是你想要的吗？

【讨论】：

恐怕它没有达到我想要的效果，因为它没有创建新列。
尝试使用mutate_each 而不是summarise_each，然后确保将结果存储到对象中。
做了一些修改。我认为它应该解决您的问题。
谢谢，但恐怕我还没有让自己理解，因为 AFAIK mutate_each 在列的值内进行计算，这不是我想要实现的。相反，我想对每个邻居的观察求平均值 - 这是我想在每行的基础上进行计算。
修改了解决方案。这是你想要的吗？如果没有，您可以发布一个您所追求的示例吗？

【解决方案3】：

我认为base 中的 rowMeans() 函数可能是您最好的选择。

df$mean <- rowMeans(dplyr::select(df, starts_with("X")))

加权平均可能更难。我找不到快速而干净的方法，但这里有一个可行的选项：

# define a function that calculates a weighted mean
wmean <- function(x, weight){
  stopifnot(length(x) == length(weight))
  if(sum(weight) != 1) {
    message("Rescaling weights to sum to 1")
    weight <- weight/sum(weight)
  }
  wx <- sum(x * weight)
  return(wx)
}
# apply that function row by row to the X columns in df
df$wmean <- apply(X=dplyr::select(df, starts_with("X")), MARGIN=1, FUN=wmean, weight = weight)

【讨论】：

【解决方案4】：

我知道我发布这个有点晚了，但我正在寻找类似问题的解决方案，并从matrixStats 库中找到了rowWeightedMeans，它也支持na.rm，你只需要转换到矩阵，它的工作原理如下：

library(matrixStats)
df$wmean <- rowWeightedMeans(as.matrix(df[ , c('X1', 'X2', 'X3', 'X4', 'X5')]), w = weight)

这对我来说非常有效，并且如上所述，具有支持 na.rm = TRUE 的额外功能，这是我需要的

【讨论】：