按叠层因子水平排列的平均数答案

【问题标题】：Mean row by imbricated levels of factors按叠层因子水平排列的平均数
【发布时间】：2014-10-03 15:32:06
【问题描述】：

我有以下数据框：

df = data.frame(id=c("A","A","A","A","B","B","B","B","C","C","C","C","D","D","D","D"),
                sub=rep(c(1:4),4),
                acc1=runif(16,0,3),
                acc2=runif(16,0,3),
                acc3=runif(16,0,3),
                acc4=runif(16,0,3))

我想要的是获得每个 ID 的平均行数，也就是说我想通过平均每个 sub 的值来获得每个级别 A、B、C 和 D 的平均 acc1、acc2、acc3 和 acc4 （每个 id 有 4 个级别），最终会给出这样的结果（当然，NA 被我想要的方式替换）：

dfavg = data.frame(id=c("A","B","C","D"),meanacc1=NA,meanacc2=NA,meanacc3=NA,meanacc4=NA)

提前致谢！

【问题讨论】：

标签： r row mean multi-level

【解决方案1】：

试试：

您可以使用任何专用包dplyr 或data.table 或使用base R。因为您有很多以acc 开头的列来获取平均值，所以我选择dplyr。这里的思路是先通过idgroup变量，然后用summarise_each通过id得到每列的mean，即starts_withacc

 library(dplyr)
 df1 <- df %>% 
           group_by(id) %>% 
           summarise_each(funs(mean=mean(., na.rm=TRUE)), starts_with("acc")) %>%
           rename(meanacc1=acc1, meanacc2=acc2, meanacc3=acc3, meanacc4=acc4) #this works but it requires more typing.

我会 rename 使用 paste

# colnames(df1)[-1] <- paste0("mean", colnames(df1)[-1])

给出结果

 #  id   meanacc1  meanacc2 meanacc3 meanacc4
 #1  A 1.7061929 2.401601 2.057538 1.643627
 #2  B 1.7172095 1.405389 2.132378 1.769410
 #3  C 1.4424233 1.737187 1.998414 1.137112
 #4  D 0.5468509 1.281781 1.790294 1.429353

或使用data.table

 library(data.table)
 nm1 <- paste0("acc", 1:4) #names of columns to do the `means`
 dt1 <- setDT(df)[, lapply(.SD, mean, na.rm=TRUE), by=id, .SDcols=nm1]

这里.SD 意味着Subset of Data.table，.SDcols 是我们应用mean 操作的列。

 setnames(dt1, 2:5, paste0("mean", nm1)) #change the names of the concerned columns in the result
 dt1

【讨论】：

+1，我现在才看到帖子和我脑海中的代码。太晚了。你会如何写rename() 部分？
@jazzurro 谢谢，昨天，当我尝试rename 时，由于某些奇怪的原因它无法正常工作。也许我做错了什么。我使用rename 更新了帖子，但在重命名多个变量时需要更多输入。我更喜欢有一些类似rename(paste0("mean", starts_with("acc")= starts_with("acc")) 的东西，尽管它不起作用
@jazzuro 谢谢，效果很好！抱歉回复晚了。

【解决方案2】：

（这必须至少被问过 20 次。）`聚合函数将相同的函数（作为第三个参数给出）应用于其第二个参数定义的组中其第一个参数的所有列：

aggregate(df[-(1:2)], df[1],mean)

如果你想在列名后面加上字母“mean”：

names(df2) <- paste0("mean", names(df2)

如果您想自动进行列选择，那么 grep 或 grepl 会起作用：

aggregate(df[ grepl("acc", names(df) )], df[1], mean)

【讨论】：

当然还有formula的方法aggregate:aggregate(. ~ id, df[-2], mean)。
对。我一直忘记公式方法，因为它与其他具有三个参数的基本汇总函数（tapply、by、ave）有些不同：数据、索引、函数按顺序排列。即使明显不那么“优雅”，也更容易为我保持笔直。出于某种原因，我不会忘记 xtabs.formula 函数。

【解决方案3】：

以下是其他几个基本 R 选项：

split + vapply（因为我们知道vapply 会尽可能简化为矩阵）

t(vapply(split(df[-c(1, 2)], df[, 1]), colMeans, numeric(4L)))

by（用do.call(rbind, ...) 获得最终结构）

do.call(rbind, by(data = df[-c(1, 2)], INDICES = df[[1]], FUN = colMeans))

两者都会给你这样的结果：

#       acc1     acc2     acc3     acc4
# A 1.337496 2.091926 1.978835 1.799669
# B 1.287303 1.447884 1.297933 1.312325
# C 1.870008 1.145385 1.768011 1.252027
# D 1.682446 1.413716 1.582506 1.274925

这里使用的样本数据是（set.seed，为了重现性）：

set.seed(1)
df = data.frame(id = rep(LETTERS[1:4], 4),
                sub = rep(c(1:4), 4),
                acc1 = runif(16, 0, 3),
                acc2 = runif(16, 0, 3),
                acc3 = runif(16, 0, 3),
                acc4 = runif(16, 0, 3))

扩展到 100 万行，这两个表现都很好（虽然显然不如“dplyr”或“data.table”快）。

【讨论】：

【解决方案4】：

您可以使用以下方法在基础包本身中执行此操作：

 a <- list();

 for (i in 1:nlevels(df$id))
 {      
    a[[i]] = colMeans(subset(df, id==levels(df$id)[i])[,c(3,4,5,6)]) ##select columns of df of which you want to compute the means. In your example, 3, 4, 5 and 6 are the columns
 }
 meanDF <- cbind(data.frame(levels(df$id)), data.frame(matrix(unlist(a), nrow=4, ncol=4,  byrow=T)))

colnames(meanDF) = c("id", "meanacc1", "meanacc2", "meanacc3", "meanacc4")
meanDF

id meanacc1 meanacc2  meanacc3  meanacc4
A 1.464635 1.645898 1.7461862 1.026917
B 1.807555 1.097313 1.7135346 1.517892
C 1.350708 1.922609 0.8068907 1.607274
D 1.458911 0.726527 2.4643733 2.141865

【讨论】：