R 使用列值作为列表数据帧中的数据帧索引(使用seq_映射或重叠)?

R 使用列值作为列表数据帧中的数据帧索引(使用seq_映射或重叠)?,r,dictionary,lapply,base,R,Dictionary,Lapply,Base,我有一个数据帧列表list1,需要在每个数据帧中添加一个新列'mn',该列是基于另一列num中的值加上1的条件列数的平均值。因此,对于num=3,新列将是前四列的平均值。例如下面的例子 df1 <- data.frame(num= c(3, 1, 1, 1, 2), d1= c(1, 17, 17, 17, 15), d2= c(1, 15, 15, 15, 21), d3= c(6, 21, 21, 21, 23), d4= c(2, 3, 3, 3, 2)) df2 <- dat

我有一个数据帧列表
list1
,需要在每个数据帧中添加一个新列'mn',该列是基于另一列
num
中的值加上1的条件列数的平均值。因此,对于
num=3
,新列将是前四列的平均值。例如下面的例子

df1 <- data.frame(num= c(3, 1, 1, 1, 2), d1= c(1, 17, 17, 17, 15), d2= c(1, 15, 15, 15, 21), d3= c(6, 21, 21, 21, 23), d4= c(2, 3, 3, 3, 2))
df2 <- data.frame(num= c(3, 2, 2, 2, 2), d1= c(1, 10, 10, 10, 15), d2= c(1, 5, 5, 5, 21), d3= c(6, 2, 2, 2, 23), d4= c(2, 3, 3, 3, 5))
list1 <- list(df1, df2)
我得到的最接近的是

newlist <- lapply(list1, function(x) {
  x <- cbind(x, sapply(x$num, function(y) {
      y <- rowSums(x[2:(2+y)])/(y+1)
      }))
  })

newlist一个选项是使用
lappy
列表上循环,根据'num'列值(+1)使用
apply
提取每行的元素数,获得
平均值
并在
transform
中创建新列

lapply(list1, function(x)  transform(x,
       mn = apply(x, 1, function(y) mean(y[-1][seq(y[1]+1)]))))
#[[1]]
#  num d1 d2 d3 d4       mn
#1   3  1  1  6  2  2.50000
#2   1 17 15 21  3 16.00000
#3   1 17 15 21  3 16.00000
#4   1 17 15 21  3 16.00000
#5   2 15 21 23  2 19.66667

#[[2]]
#  num d1 d2 d3 d4        mn
#1   3  1  1  6  2  2.500000
#2   2 10  5  2  3  5.666667
#3   2 10  5  2  3  5.666667
#4   2 10  5  2  3  5.666667
#5   2 15 21 23  5 19.666667

或者使用
tidyverse
,通过使用
pivot\u longer
旋转到“long”格式,按行分组,并根据“num”值获取前“n”个元素的
平均值

library(purrr)
library(dplyr)
library(tidyr)
map(list1, ~
        .x %>% 
           mutate(rn = row_number()) %>%
           pivot_longer(cols = starts_with('d')) %>% 
           group_by(rn) %>% 
           summarise(value = mean(value[seq_len(first(num) + 1)])) %>%
           pull(value) %>%
           bind_cols(.x, mn = .))
library(purrr)
library(dplyr)
library(tidyr)
map(list1, ~
        .x %>% 
           mutate(rn = row_number()) %>%
           pivot_longer(cols = starts_with('d')) %>% 
           group_by(rn) %>% 
           summarise(value = mean(value[seq_len(first(num) + 1)])) %>%
           pull(value) %>%
           bind_cols(.x, mn = .))