如何计算r中矩阵表的平均值

我有一个如下的列表，这是一个包含矩阵的列表列表（因此“ftable”是一个包含十个列表的列表，每个内部列表包含七个矩阵）。我需要计算关联矩阵的平均值，这些矩阵也可能有NA值。我尝试了几种方法，但都有错误

for(i in 1:10){
for(j in 1:7){
ftable[[i]][[j]] <- matrix (x,nrow=8,ncol=8, byrow=TRUE)
}
}

> str(ftable)
List of 10
$ :List of 7
.......
.......

你的意思是这样的：

 mat1 <- matrix(c(1:10,NA,NA),nrow=2)
 matlist1 <- list(mat1,mat1,mat1)
 bigmatlist <- list(matlist1,matlist1)

 mean(mat1, na.rm=TRUE)
 #[1] 5.5

 sapply(matlist1, function(x) mean(x,na.rm=TRUE))
 #[1] 5.5 5.5 5.5

如果希望返回列表，请在适当的位置更改

lappy

的

sapply

其中，

[3，][，1]

是列表1中矩阵3的平均值，即

bigmatlist[[1]][[3]]

您的意思是：

 mat1 <- matrix(c(1:10,NA,NA),nrow=2)
 matlist1 <- list(mat1,mat1,mat1)
 bigmatlist <- list(matlist1,matlist1)

 mean(mat1, na.rm=TRUE)
 #[1] 5.5

 sapply(matlist1, function(x) mean(x,na.rm=TRUE))
 #[1] 5.5 5.5 5.5

如果希望返回列表，请在适当的位置更改

lappy

的

sapply

---

其中，

[3，][，1]

是列表1中矩阵3的平均值，即

bigmatlist[[1]][[3]]

我想这是您需要的。最简单的方法是取消外部列表的列表，然后应用

Reduce

，如下所示：

我将从

user1317221\u G

set.seed(45)
mat1 <- matrix(c(sample(10),NA,NA),nrow=2)
matlist1 <- list(mat1,mat1,mat1)
mat2 <- matrix(c(sample(11:20),NA,NA),nrow=2)
matlist2 <- list(mat2,mat2,mat2)
bigmatlist <- list(matlist1,matlist2)

> bigmatlist
# [[1]]
# [[1]][[1]]
#      [,1] [,2] [,3] [,4] [,5] [,6]
# [1,]    7    2   10    1    4   NA
# [2,]    3    9    8    5    6   NA
# 
# [[1]][[2]]
#      [,1] [,2] [,3] [,4] [,5] [,6]
# [1,]    7    2   10    1    4   NA
# [2,]    3    9    8    5    6   NA
# 
# [[1]][[3]]
#      [,1] [,2] [,3] [,4] [,5] [,6]
# [1,]    7    2   10    1    4   NA
# [2,]    3    9    8    5    6   NA
# 
# 
# [[2]]
# [[2]][[1]]
#      [,1] [,2] [,3] [,4] [,5] [,6]
# [1,]   14   13   19   17   15   NA
# [2,]   18   20   16   11   12   NA
# 
# [[2]][[2]]
#      [,1] [,2] [,3] [,4] [,5] [,6]
# [1,]   14   13   19   17   15   NA
# [2,]   18   20   16   11   12   NA
# 
# [[2]][[3]]
#      [,1] [,2] [,3] [,4] [,5] [,6]
# [1,]   14   13   19   17   15   NA
# [2,]   18   20   16   11   12   NA

set.seed（45）
mat1我想这就是你需要的。最简单的方法是取消外部列表的列表，然后应用
Reduce
，如下所示：

我将从
user1317221\u G

set.seed(45)
mat1 <- matrix(c(sample(10),NA,NA),nrow=2)
matlist1 <- list(mat1,mat1,mat1)
mat2 <- matrix(c(sample(11:20),NA,NA),nrow=2)
matlist2 <- list(mat2,mat2,mat2)
bigmatlist <- list(matlist1,matlist2)

> bigmatlist
# [[1]]
# [[1]][[1]]
#      [,1] [,2] [,3] [,4] [,5] [,6]
# [1,]    7    2   10    1    4   NA
# [2,]    3    9    8    5    6   NA
# 
# [[1]][[2]]
#      [,1] [,2] [,3] [,4] [,5] [,6]
# [1,]    7    2   10    1    4   NA
# [2,]    3    9    8    5    6   NA
# 
# [[1]][[3]]
#      [,1] [,2] [,3] [,4] [,5] [,6]
# [1,]    7    2   10    1    4   NA
# [2,]    3    9    8    5    6   NA
# 
# 
# [[2]]
# [[2]][[1]]
#      [,1] [,2] [,3] [,4] [,5] [,6]
# [1,]   14   13   19   17   15   NA
# [2,]   18   20   16   11   12   NA
# 
# [[2]][[2]]
#      [,1] [,2] [,3] [,4] [,5] [,6]
# [1,]   14   13   19   17   15   NA
# [2,]   18   20   16   11   12   NA
# 
# [[2]][[3]]
#      [,1] [,2] [,3] [,4] [,5] [,6]
# [1,]   14   13   19   17   15   NA
# [2,]   18   20   16   11   12   NA

set.seed（45）
mat1非常感谢Arun，这正是我的意思，尽管我不明白它是如何工作的。我不明白您为什么取消列出它，以及“Reduce（+'，list.un[seq（idx，prod.len，by=inner.len）]”是如何工作的：（事实上，它帮助了很多。我总是需要处理大量数据，比如列表列表和如此多的多层数据，有时我会混淆如何管理。我正在对一些不同的方法进行一些统计测试，对于每种方法，我总是应该有许多随机样本，对于每个样本，有许多子集，这迫使我有这个ki数据结构的nds。再次非常感谢！非常感谢Arun这正是我的意思，尽管我不明白它是如何工作的。我不明白你为什么取消列出它，以及“Reduce（+'，list.un[seq（idx，prod.len，by=inner.len）]”是如何工作的：（事实上，它帮助了很多。我总是需要处理大量数据，比如列表列表和如此多的多层数据，有时我会混淆如何管理。我正在对一些不同的方法进行一些统计测试，对于每种方法，我总是应该有许多随机样本，对于每个样本，有许多子集，这迫使我有这个ki数据结构的nds。再次感谢！
set.seed(45)
mat1 <- matrix(c(sample(10),NA,NA),nrow=2)
matlist1 <- list(mat1,mat1,mat1)
mat2 <- matrix(c(sample(11:20),NA,NA),nrow=2)
matlist2 <- list(mat2,mat2,mat2)
bigmatlist <- list(matlist1,matlist2)

> bigmatlist
# [[1]]
# [[1]][[1]]
#      [,1] [,2] [,3] [,4] [,5] [,6]
# [1,]    7    2   10    1    4   NA
# [2,]    3    9    8    5    6   NA
# 
# [[1]][[2]]
#      [,1] [,2] [,3] [,4] [,5] [,6]
# [1,]    7    2   10    1    4   NA
# [2,]    3    9    8    5    6   NA
# 
# [[1]][[3]]
#      [,1] [,2] [,3] [,4] [,5] [,6]
# [1,]    7    2   10    1    4   NA
# [2,]    3    9    8    5    6   NA
# 
# 
# [[2]]
# [[2]][[1]]
#      [,1] [,2] [,3] [,4] [,5] [,6]
# [1,]   14   13   19   17   15   NA
# [2,]   18   20   16   11   12   NA
# 
# [[2]][[2]]
#      [,1] [,2] [,3] [,4] [,5] [,6]
# [1,]   14   13   19   17   15   NA
# [2,]   18   20   16   11   12   NA
# 
# [[2]][[3]]
#      [,1] [,2] [,3] [,4] [,5] [,6]
# [1,]   14   13   19   17   15   NA
# [2,]   18   20   16   11   12   NA

# in your case, outer.len = 10 and inner.len = 7
outer.len <- 2
inner.len <- 3
prod.len <- outer.len * inner.len
list.un <- unlist(bigmatlist, recursive = FALSE)
o <- lapply(1:inner.len, function(idx) {
    Reduce('+', list.un[seq(idx, prod.len, by = inner.len)])/outer.len
})

> o
# [[1]]
#      [,1] [,2] [,3] [,4] [,5] [,6]
# [1,] 10.5  7.5 14.5    9  9.5   NA
# [2,] 10.5 14.5 12.0    8  9.0   NA
# 
# [[2]]
#      [,1] [,2] [,3] [,4] [,5] [,6]
# [1,] 10.5  7.5 14.5    9  9.5   NA
# [2,] 10.5 14.5 12.0    8  9.0   NA
# 
# [[3]]
#      [,1] [,2] [,3] [,4] [,5] [,6]
# [1,] 10.5  7.5 14.5    9  9.5   NA
# [2,] 10.5 14.5 12.0    8  9.0   NA