循环遍历数据框中的变量以查找摘要统计信息答案

【问题标题】：Looping through variables in a dataframe to find summary stats循环遍历数据框中的变量以查找摘要统计信息
【发布时间】：2018-03-15 18:03:19
【问题描述】：

我对 R 了解不多，并且我在数据框中有一个变量，我正在尝试计算一些统计数据，希望将它们写入 csv。我一直在使用基本的 for 循环，如下所示：

for(i in x) {
    mean(my_dataframe[,c(i)], na.rm = TRUE))
}

其中 x 是 colnames(my_dataframe)

不是每个变量都是数字的——但是当我在循环中添加一个 print 时，它工作得很好——它只是在适用时打印意味着，在不适用时打印 NA。但是，当我尝试将此循环分配给一个值（意味着

【问题讨论】：

标签： r for-loop dataframe

【解决方案1】：

这应该适合你。你不需要循环。只需使用 summary() 函数即可。

summary(cars)

【讨论】：

【解决方案2】：

for 循环执行里面的代码，但它没有把任何结果放在一起。为此，您需要创建一个对象来保存结果并显式分配每个结果：

my_means = rep(NA, ncol(my_dataframe)
for(i in seq_along(x)) {
    my_means[i] = mean(my_dataframe[, x[i], na.rm = TRUE))
}

请注意，我还更改了您的循环以使用 i = 1, 2, 3, ... 而不是每个名称。

sapply，如另一个答案所示，是一个很好的快捷方式，可以为您执行循环并组合结果，因此您无需担心预先分配结果对象。它也很聪明，可以默认遍历数据框的列。

my_means_2 = sapply(my_dataframe, mean, na.rm = T)

【讨论】：

【解决方案3】：

请在您下次发布问题时提供可重现的示例。

Input 是我想象中您的数据的样子。

输入：

library(nycflights13)
library(tidyverse)
input <- flights %>% select(origin, air_time, carrier, arr_delay)

input
# A tibble: 336,776 x 4
   origin air_time carrier arr_delay
   <chr>     <dbl> <chr>       <dbl>
 1 EWR        227. UA            11.
 2 LGA        227. UA            20.
 3 JFK        160. AA            33.
 4 JFK        183. B6           -18.
 5 LGA        116. DL           -25.
 6 EWR        150. UA            12.
 7 EWR        158. B6            19.
 8 LGA         53. EV           -14.
 9 JFK        140. B6            -8.
10 LGA        138. AA             8.
# ... with 336,766 more rows

在我看来，有两种方法：

使用summarise_all()

summarise_all() 将汇总您的所有列，包括非数字列。

方法：

input %>% summarise_all(funs(mean(., na.rm = TRUE)))
# A tibble: 1 x 4
  origin air_time carrier arr_delay
   <dbl>    <dbl>   <dbl>     <dbl>
1     NA     151.      NA      6.90

Warning messages:
1: In mean.default(origin, na.rm = TRUE) :
  argument is not numeric or logical: returning NA
2: In mean.default(carrier, na.rm = TRUE) :
  argument is not numeric or logical: returning NA

如果你使用这个方法，你会得到一个结果和一个警告。

使用summarise_if

仅汇总数字列。这样可以避免出现任何错误。

方法：

input %>% summarise_if(is.numeric, funs(mean(., na.rm = TRUE)))
# A tibble: 1 x 2
  air_time arr_delay
     <dbl>     <dbl>
1     151.      6.90

然后您可以为其他人创建一个 NA 列

【讨论】：

【解决方案4】：

您可以使用lapply 或sapply 来处理这类事情。例如

sapply(my_dataframe, mean)

将为您提供一切。你也可以给它你自己的功能，例如

sapply(my_dataframe, function(x) sum(x^2 + 2)/4 - 9)

如果所有变量都不是数字，您可以使用dplyr 中的summarise_if 来获取数字列的结果。

require(dplyr)
my_dataframe %>% 
  summarise_if(is.numeric, mean)

没有dplyr，你可以这样做

sapply(my_dataframe[sapply(my_dataframe, is.numeric)], mean)

【讨论】：