使用dplyr的多列行中位数

给定以下数据集，我想计算每一行M1、M2和M3列的中位数。我正在寻找一种解决方案，将最后一列添加到数据帧中，并命名为“Median”。列名（M1:M3）不应直接使用（在原始数据集中，有更多的列，而不仅仅是3列）

我知道已经有人问过几个类似的问题。但是，大多数发布的解决方案都使用

rowMeans

或

rowSums

。我正在寻找一种解决方案，其中：

不能使用“行函数”

该解决方案是一个简单的dplyr解决方案

---

原因（2）是我在教初学者“小提琴”

我们可以使用

rowMedians

library(matrixStats)
library(dplyr)
df %>% 
    mutate(Median = rowMedians(as.matrix(.[grep('M\\d+', names(.))])))

---

或者，如果我们只需要使用

tidyverse

函数，则使用

collect

将其转换为“long”格式，

按
行
汇总

，并获取“value”列的

中值

df %>% 
    rownames_to_column('rn') %>%
    gather(key, value, starts_with('M')) %>%
    group_by(rn) %>% 
    summarise(Median = median(value)) %>%
    ungroup %>% 
    select(-rn) %>%
    bind_cols(df, .)

---

或者另一个选项是

dplyr

中的

rowwise（）

我们可以使用
rowMedians

library(matrixStats)
library(dplyr)
df %>% 
    mutate(Median = rowMedians(as.matrix(.[grep('M\\d+', names(.))])))


或者，如果我们只需要使用
tidyverse
函数，则使用
collect
将其转换为“long”格式，
按
行
汇总
，并获取“value”列的
中值

df %>% 
    rownames_to_column('rn') %>%
    gather(key, value, starts_with('M')) %>%
    group_by(rn) %>% 
    summarise(Median = median(value)) %>%
    ungroup %>% 
    select(-rn) %>%
    bind_cols(df, .)


或者另一个选项是
dplyr
中的
rowwise（）

给定带有一些数值的数据帧
df
：

df <- structure(list(X0 = c(0.82046171427112, 0.836224720981912, 0.842547521493854, 
0.848014287631906, 0.850943494153631, 0.85425398956647, 0.85616876970771, 
0.856855792247478, 0.857471048654811, 0.857507363153284, 0.874487063791594, 
1.70684558846347, 1.95711031206168, 6.84386713155156), X1 = c(0.755674148966666, 
0.765242580861224, 0.774422478168495, 0.776953642833977, 0.778128315184819, 
0.778611604461183, 0.778624581647491, 0.778454002430202, 1.52708579075974, 
13.0356519295685, 18.0590093408357, 21.1371199340156, 32.4192814934364, 
33.2355314147089), X2 = c(0.772236670327724, 0.788112332251601, 
0.797695511542613, 0.804257521548174, 0.809815828400878, 0.816592605516508, 
0.819421106011397, 0.821734473885381, 0.822561946509595, 0.822334970491528, 
0.822404634095793, 2.66875340820162, 1.40412743557514, 6.33377768022403
), X3 = c(0.764363881671609, 0.788288196346034, 0.79927498357549, 
0.805446784334039, 0.810604881970155, 0.814634331592811, 0.817002594424753, 
0.818129844752095, 0.818572101954132, 0.818630700031836, 3.06323952591121, 
6.4477868357554, 11.4657041958038, 9.27821049066848)), class = "data.frame", row.names = c(NA, 
-14L))

我喜欢这个方法，因为你不需要搜索不同的函数来计算任何东西

例如，标准偏差：

df$sd <- sapply(
    df %>% nrow %>% seq, 
    function(i) df[i, ] %>% 
        dplyr::select(X1, X2) %>% 
        unlist %>% sd
) 

df$sd%nrow%>%seq，
函数（i）df[i，]%>%
dplyr:：选择（X1，X2）%>%
未列出%>%sd
) 
给定一个数据帧
df
和一些数值：

df <- structure(list(X0 = c(0.82046171427112, 0.836224720981912, 0.842547521493854, 
0.848014287631906, 0.850943494153631, 0.85425398956647, 0.85616876970771, 
0.856855792247478, 0.857471048654811, 0.857507363153284, 0.874487063791594, 
1.70684558846347, 1.95711031206168, 6.84386713155156), X1 = c(0.755674148966666, 
0.765242580861224, 0.774422478168495, 0.776953642833977, 0.778128315184819, 
0.778611604461183, 0.778624581647491, 0.778454002430202, 1.52708579075974, 
13.0356519295685, 18.0590093408357, 21.1371199340156, 32.4192814934364, 
33.2355314147089), X2 = c(0.772236670327724, 0.788112332251601, 
0.797695511542613, 0.804257521548174, 0.809815828400878, 0.816592605516508, 
0.819421106011397, 0.821734473885381, 0.822561946509595, 0.822334970491528, 
0.822404634095793, 2.66875340820162, 1.40412743557514, 6.33377768022403
), X3 = c(0.764363881671609, 0.788288196346034, 0.79927498357549, 
0.805446784334039, 0.810604881970155, 0.814634331592811, 0.817002594424753, 
0.818129844752095, 0.818572101954132, 0.818630700031836, 3.06323952591121, 
6.4477868357554, 11.4657041958038, 9.27821049066848)), class = "data.frame", row.names = c(NA, 
-14L))

我喜欢这个方法，因为你不需要搜索不同的函数来计算任何东西

例如，标准偏差：

df$sd <- sapply(
    df %>% nrow %>% seq, 
    function(i) df[i, ] %>% 
        dplyr::select(X1, X2) %>% 
        unlist %>% sd
) 

df$sd%nrow%>%seq，
函数（i）df[i，]%>%
dplyr:：选择（X1，X2）%>%
未列出%>%sd
) 
您应该使用矩阵而不是data.Frame如果不能使用行函数，则可以使用
聚集
方法。可以吗？应该教所有初学者应用（df[，paste0（“M”，1:3）]，1，中间值）
如果初学者没有在听，尝试一些声音效果，例如
beeper:：beep（7）
：-）@初学者，如果没有，你可能想看看。听起来它可能对您很有用。您应该使用矩阵而不是数据。如果不能使用行函数，则可以使用
聚集
方法。可以吗？应该教所有初学者应用（df[，paste0（“M”，1:3）]，1，中间值）

如果初学者没有在听，尝试一些声音效果，例如

beeper:：beep（7）

：-）@初学者，如果没有，你可能想看看。听起来它对你来说可能是一个有用的网站。谢谢，但是一个没有

行…（）

函数的解决方案对我来说会更好。@初学者我以为你想要一个类似的函数，如

行的意思

等等post@beginneR否则您可以使用

收集
的方式，即，..
df%%rownames\u to\u column（'rn'）%%>%gather（key，value，以（'i'））开头）%%>%group\u by（rn）%%>%summary（Median=Median（value））%%>%ungroup%%>%select（-rn）%%>%bind\u cols（df，）
@AntoniosK谢谢您的评论。我以为是相反的。更正我希望OP不会真的把这些方法教给初学者。akrun无意冒犯您，但dplyr并不是为此而设计的谢谢，但是一个没有
行…（）
函数的解决方案对我来说会更好。@初学者我以为您想要一个类似的函数，如
行的意思
等，正如在post@beginneR否则您可以使用
收集
的方式，即，..
df%%rownames\u to\u column（'rn'）%%>%gather（key，value，以（'i'））开头）%%>%group\u by（rn）%%>%summary（Median=Median（value））%%>%ungroup%%>%select（-rn）%%>%bind\u cols（df，）
@AntoniosK谢谢您的评论。我以为是相反的。更正我希望OP不会真的把这些方法教给初学者。没有冒犯你的akrun，但dplyr并不是为此而设计的
df$sd <- sapply(
    df %>% nrow %>% seq, 
    function(i) df[i, ] %>% 
        dplyr::select(X1, X2) %>% 
        unlist %>% sd
)