R：使用NA计算总体标准偏差

由于

sd

计算样本标准偏差，而不是总体标准偏差，我必须编写一个函数来获得总体标准偏差

当没有

NA

时，可以按如下方式轻松完成

> set.seed(1)
> mf1<-matrix(sample(c(10:100),18, replace=T),ncol=3)
> mf1
     [,1] [,2] [,3]
[1,]   34   95   72
[2,]   43   70   44
[3,]   62   67   80
[4,]   92   15   55
[5,]   28   28   75
[6,]   91   26  100
> pop.sd<-function(x){sqrt(sum((x-mean(x))^2)/length(x))}
> apply(mf1,1,pop.sd)
[1] 25.152866 12.498889  7.586538 31.443070 22.156012 32.967998

>设置种子（1）
>mf1 mf1
[,1] [,2] [,3]
[1,]   34   95   72
[2,]   43   70   44
[3,]   62   67   80
[4,]   92   15   55
[5,]   28   28   75
[6,]   91   26  100
>pop.sd应用（mf1,1，pop.sd）
[1] 25.152866 12.498889  7.586538 31.443070 22.156012 32.967998

但是，当存在NAs时，函数会为相应的行返回NA

> mf2<-mf1
> mf2[c(2,5),3]<-NA
> mf2
     [,1] [,2] [,3]
[1,]   34   95   72
[2,]   43   70   NA
[3,]   62   67   80
[4,]   92   15   55
[5,]   28   28   NA
[6,]   91   26  100
> apply(mf2, 1, pop.sd)
[1] 25.152866        NA  7.586538 31.443070        NA 32.967998

mf2 mf2[c（2,5），3]mf2 [,1] [,2] [,3] [1,] 34 95 72 [2，]43 70 NA [3,] 62 67 80 [4,] 92 15 55 [5，]28 NA [6,] 91 26 100 >应用（mf2，1，pop.sd） [1] 25.152866 NA 7.586538 31.443070 NA 32.967998 你能帮我把函数设置为允许NAs，这样我就可以得到第2行和第5行的一些数字了吗

---

谢谢。

我们可以在

平均值
和
总和
中使用
na.rm=TRUE
来解释na元素

pop.sd<-function(x){sqrt(sum((x-mean(x, na.rm=TRUE))^2, 
                                 na.rm=TRUE)/sum(!is.na(x)))}
apply(mf2, 1, pop.sd)
#[1] 25.152866 13.500000  7.586538 31.443070  0.000000 32.967998


我们也可以使用向量化的
行和
和
行平均数

sqrt(rowSums((mf1-rowMeans(mf1, na.rm=TRUE))^2, na.rm=TRUE)/ncol(mf1))
#[1] 25.152866 12.498889  7.586538 31.443070 22.156012 32.967998

sqrt(rowSums((mf2-rowMeans(mf2, na.rm=TRUE))^2, na.rm=TRUE)/ncol(mf2))
#[1] 25.152866 11.022704  7.586538 31.443070  0.000000 32.967998

如果一组数字中有一些缺失，那么它们的标准偏差应该是多少？@Hugh，它们应该是13.5和0。你没有领会我的意思。通常，在计算
pop.sd
时，您应该设法理解为什么缺少这些值，而不是简单地排除它们。如果你说第二个值应该是0，那就意味着[5,3]的值是28。@Hugh问得好，但这不是我的问题。技术上我需要如何计算它。谢谢。谢谢你的建议。由于之前我没有将
na.rm
放在均值和求和中（我只尝试将
na.rm
放在函数末尾），您的评论让我对这一点有了深刻的了解。但是，由于长度（x）不能解释NA（它对所有行返回3），您建议的函数的标准偏差不正确。@ShinziKatoh我将
长度（x）
更改为
总和（！is.NA（x））
，但它仍然给出了相同的结果result@ShinziKatoh请让我知道您计算的逻辑。将
length（x）
更改为“
sum（！is.na（x）
的解决方案效果非常好。因为只有第2行和第5行有NAs，所以除2行以外的所有结果都应该相同。如您所见，第2行的sd从11.022704更改为11.022704（通过使用
length（x）
获得）到13.50000（通过使用
sum（！is.na（x）
获得）。第五行的结果应该是零，因为所有元素都是相同的。非常感谢！！@ShinziKatoh是的，我的解决方案提供了您想要的输出。感谢您的反馈。
sqrt(rowSums((mf1-rowMeans(mf1, na.rm=TRUE))^2, na.rm=TRUE)/ncol(mf1))
#[1] 25.152866 12.498889  7.586538 31.443070 22.156012 32.967998

sqrt(rowSums((mf2-rowMeans(mf2, na.rm=TRUE))^2, na.rm=TRUE)/ncol(mf2))
#[1] 25.152866 11.022704  7.586538 31.443070  0.000000 32.967998