多个类似名称的列的统计信息答案

【问题标题】：Statistics of multiple similarly named columns多个类似名称的列的统计信息
【发布时间】：2017-06-17 17:12:00
【问题描述】：

我有一个包含多个列的庞大数据集，例如x1、x2、x3......x25、y1、y2、y3...... y50、z1、z2.......z10 等看起来像这样：

x1  x2  x3  x4  y1  y2  y3  
1   2   1   2   1   1   2   
2   1   1   1   3   1   1
1   2   2   1   1   2   1

我想要的是：

x_mean  x_min  x_max  x_mad  y_mean  y_min  y_max  y_mad
  1.5     1      2     0.74    2       1      2      0 
  1.25    1      2       0     2       1      2      0 
  1.5     1      2     0.74    2       1      2      0

基本上，我需要计算min、max、mad（中值绝对偏差）和mean

> x_mean = (x1+x2+x3+x4)/4 = (1+2+1+2)/4

对于其他行和其他统计数据也是如此。我如何在 R 中做到这一点，最好是在 dplyr 中？

【问题讨论】：

标签： r statistics dplyr

【解决方案1】：

通常您可以使用summarise 的作用域变体，例如summarise_all，在它们的funs 辅助函数中可以接受任意数量的汇总函数。在您的情况下，您应该首先重塑为长格式，以使您的数据tidy（此处将观察结果从列移动到行），从而使您的分析更简单：

library(tidyverse)

df <- read.table(text = 'x1  x2  x3  x4  y1  y2  y3  
1   2   1   2   1   1   2   
2   1   1   1   3   1   1
1   2   2   1   1   2   1', head = TRUE)

df_tidy <- df %>% 
    mutate(row = row_number()) %>%       # keep position info
    gather(var, val, -row) %>%           # reshape to long
    mutate(var = sub('\\d', '', var))    # extract letters from former colnames

df_summary <- df_tidy %>%
    group_by(var, row) %>%                # group by variable and original row
    summarise_all(funs(min, max, mad))    # summarize with various functions

df_summary
#> # A tibble: 6 x 5
#> # Groups:   var [?]
#>     var   row   min   max    mad
#>   <chr> <int> <dbl> <dbl>  <dbl>
#> 1     x     1     1     2 0.7413
#> 2     x     2     1     2 0.0000
#> 3     x     3     1     2 0.7413
#> 4     y     1     1     2 0.0000
#> 5     y     2     1     3 0.0000
#> 6     y     3     1     2 0.0000

如果您愿意，您可以将其重新调整为宽，但出于任何保存演示目的，我建议您不要这样做。

【讨论】：

【解决方案2】：

不像tidyverse 方法那样优雅，但仍然是一个基本的 R 选项，

#create a function to do whatever calculations needed,
f1 <- function(d){
  mean1 <- rowMeans(d)
  min1 <- do.call(pmin, d)
  max1 <- do.call(pmax, d)
  mad1 <- apply(d, 1, mad)
  return(data.frame(mean1, min1, max1, mad1))
}

#apply it to your data frame based on the unique name letters,
ind <- unique(sub('\\d+', '', names(df)))
setNames(lapply(ind, function(i) f1(df[grepl(i, names(df))])), ind)
#$x
#  mean1 min1 max1   mad1
#1  1.50    1    2 0.7413
#2  1.25    1    2 0.0000
#3  1.50    1    2 0.7413

#$y
#     mean1 min1 max1 mad1
#1 1.333333    1    2    0
#2 1.666667    1    3    0
#3 1.333333    1    2    0

您始终可以通过以下方式转换为您的预期输出，

do.call(cbind, setNames(lapply(ind, function(i) f1(df[grepl(i, names(df))])), ind))
#  x.mean1 x.min1 x.max1 x.mad1  y.mean1 y.min1 y.max1 y.mad1
#1    1.50      1      2 0.7413 1.333333      1      2      0
#2    1.25      1      2 0.0000 1.666667      1      3      0
#3    1.50      1      2 0.7413 1.333333      1      2      0

【讨论】：

【解决方案3】：

我们也可以为此使用matrixStats 包中的row.. 函数

library(matrixStats)
do.call(cbind, lapply(split.default(df1, sub("\\d+", "", names(df1))), function(x) {
   x1 <- as.matrix(x)
  data.frame(mean = rowMeans(x1), min = rowMins(x1), max = rowMaxs(x1), mad = rowMads(x1))}))
#  x.mean x.min x.max  x.mad   y.mean y.min y.max y.mad
#1   1.50     1     2 0.7413 1.333333     1     2     0
#2   1.25     1     2 0.0000 1.666667     1     3     0
#3   1.50     1     2 0.7413 1.333333     1     2     0

【讨论】：