R中不同长度的平均值

我试图计算对不同事件的反应的平均分数。我的数据为长格式，每个事件一行，示例数据集

data

如下：

Subject  Event   R1  R2 R3 R4   Average
1        A       1   2  2  N/A   2.5
1        B       1   1  1  1     1

因此，要获得事件A的平均值，忽略N/A，它将是（R1+R2+R3）/3，而事件B有4个响应。我将

dplyr

中事件A的平均值计算为：

data$average <- data%>%filter(Event == "A") %>% with(data, (R1 + R2 + R3)/4) 

data$average%过滤器（事件==“A”）%%>%与（数据，（R1+R2+R3）/4）

---

我在下一个活动中尝试做同样的事情时遇到了问题…谢谢你的帮助

您不需要一次筛选每个事件

dplyr

能够一次逐个处理所有行。另外，当使用

dplyr

时，您不需要在其上下文之外为变量赋值，例如

data$average您不需要一次对每个事件进行筛选
dplyr
能够一次逐个处理所有行。此外，当使用
dplyr
时，您不需要在其上下文之外为变量赋值，例如
data$average以下不包括NA值作为平均值计算的一部分（NA.rm=TRUE）。此外，我认为按事件分组很重要。在没有group_by的情况下运行时，计算将合并所有事件，结果值为1.285714（=9/7 obs）

数据%
变异（平均值=平均值（c（R1，R2，R3，R4），na.rm=真）

输出：

Subject Event    R1    R2    R3    R4 Average
    <dbl> <fct> <dbl> <dbl> <dbl> <dbl>   <dbl>
1       1 A         1     2     2    NA    1.67
2       1 B         1     1     1     1    1   

主题事件R1 R2 R3 R4平均值
1 A 12 NA 1.67
21b11
以下不包括NA值作为平均值计算的一部分（NA.rm=TRUE）。此外，我认为按事件分组很重要。在没有group_by的情况下运行时，计算将合并所有事件，结果值为1.285714（=9/7 obs）

数据%
变异（平均值=平均值（c（R1，R2，R3，R4），na.rm=真）

输出：

Subject Event    R1    R2    R3    R4 Average
    <dbl> <fct> <dbl> <dbl> <dbl> <dbl>   <dbl>
1       1 A         1     2     2    NA    1.67
2       1 B         1     1     1     1    1   

主题事件R1 R2 R3 R4平均值
1 A 12 NA 1.67
21b11
您可以使用
行平均值
计算数据帧中每一行的平均值。在输入中指定要包括的列。要忽略
NA
设置
NA.rm=TRUE

data$Average <- rowMeans(data[,c("R1", "R2", "R3", "R4")], na.rm=TRUE)

您可以使用
rowMeans
计算数据帧中每一行的平均值。在输入中指定要包括的列。要忽略
NA
设置
NA.rm=TRUE

data$Average <- rowMeans(data[,c("R1", "R2", "R3", "R4")], na.rm=TRUE)

如果您有多个名为
R1
，
R2
，…，只需完成前面的所有答案即可
R100
，而不是将它们全部写入
mean
函数，您可以通过使用
pivot\u longer
函数将数据帧重塑为更长的格式，然后按事件分组并计算平均值。最后，使用
pivot\u wider
，您可以将数据帧转换为初始的较宽格式

库（dplyr）
图书馆（tidyr）
df%>%在（变量（包含（“R”））处变异，如.numeric）%>%
pivot_longer（cols=以“R”开头），名称为“R”，值为“values”）%>%
分组依据（事件）%>%
变异（平均值=平均值，na.rm=真值））%>%
枢轴（名称从=R，值从=values）
#一个tibble:2x8
#分组：活动[2]
主题事件平均值R1 R2 R3 R4
1 A 2.5 1.67 1 2 NA
21b11

正如@TTS所提到的，您对事件A的平均值的计算有错误

可复制示例

结构（列表）（主题=c（1L，1L），事件=c（“A”，“B”），R1=c（1L，
1），R2=2:1，R3=2:1，R4=c（“不适用”，“1”），平均值=c（2.5，
1） ），row.names=c（NA，-2L），class=c（“data.table”，“data.frame”
)，.internal.selfref=）
如果您有多个名为
R1
，
R2
R100
，而不是将它们全部写入
mean
函数，您可以通过使用
pivot\u longer
函数将数据帧重塑为更长的格式，然后按事件分组并计算平均值。最后，使用
pivot\u wider
，您可以将数据帧转换为初始的较宽格式

库（dplyr）
图书馆（tidyr）
df%>%在（变量（包含（“R”））处变异，如.numeric）%>%
pivot_longer（cols=以“R”开头），名称为“R”，值为“values”）%>%
分组依据（事件）%>%
变异（平均值=平均值，na.rm=真值））%>%
枢轴（名称从=R，值从=values）
#一个tibble:2x8
#分组：活动[2]
主题事件平均值R1 R2 R3 R4
1 A 2.5 1.67 1 2 NA
21b11

正如@TTS所提到的，您对事件A的平均值的计算有错误

可复制示例

结构（列表）（主题=c（1L，1L），事件=c（“A”，“B”），R1=c（1L，
1），R2=2:1，R3=2:1，R4=c（“不适用”，“1”），平均值=c（2.5，
1） ），row.names=c（NA，-2L），class=c（“data.table”，“data.frame”
)，.internal.selfref=）

我认为你的

na.rm=TRUE

需要生活在向量之外。我认为你的

na.rm=TRUE

需要生活在向量之外。

data$Average <- rowMeans(data[,grep("R",names(data))], na.rm=TRUE)