计算大于X的多列上R的平均值

我有以下数据，并希望计算每个cid的t1-t5平均值，按iid分组

我只想计算大于0的值的平均值

理想情况下，我不希望在执行平均值时命名所有字段，例如平均值（t1）、平均值（t2）。这是因为在我的真实案例中，我有200多个字段 样本数据：

cid   iid   t1  t2  t3  t4  t5
4503    2   4   5   5   6   7
4503    2   7   5   3   2   8
841     2   9   2   1   5   7
2134    1   6   9   8   2   1

这是到目前为止我的代码。谁能帮我把它做完吗。提前谢谢

library(dplyr)
test <- read.csv("~/Documents/R-SCRIPTS/DATA/test.csv", sep=";")

t <- test %>% 
  group_by(cid, iid) %>%
  select(t1:t5) %>%
  summarise(t1 = mean(t1, na.rm = TRUE), 
            t2 = mean(t2,na.rm = TRUE), 
            t3 = mean(t3,na.rm = TRUE), 
            t4 = mean(t4,na.rm = TRUE), 
            t5 = mean(t5,na.rm = TRUE) 
            ) 

库（dplyr）
测试%
选择（t1:t5）%>%
总结（t1=平均值（t1，na.rm=真值），
t2=平均值（t2，na.rm=真值），
t3=平均值（t3，na.rm=真值），
t4=平均值（t4，na.rm=真值），
t5=平均值（t5，na.rm=真值）
) 

这就是你想要的吗？我不使用其他软件包，而是使用

colMeans（）

。 以下是一个例子：

数据看起来像（示例的简短副本）

守则：

id_list <- unique(mydata$iid) # get the id
result <- matrix(nrow=0, ncol=4) # create a matrix to store result
colnames(result) <- colnames(mydata) # name the columns of the matrix
for (i in 1:length(id_list)){
   uid <- id_list[i]
   # for each id, calculate the column averages
   average <- unname(colMeans(mydata[mydata$iid==uid,2:4])) 
   # write to the result
   result <- rbind(result, c(uid, average))
}
result

对于您的问题，您需要将

colMeans（mydata[mydata$iid==uid，2:4]）

更改为

colMeans（mydata[mydata$iid==uid，2:201]）

，这是您想要平均值的列索引。并在

矩阵中更改
ncol
（nrow=0，ncol=4）

以对应所需的结果数据

---

对于<0的值，您可以首先将负值转换为NA，

mydata[，2:4][mydata[，2:4]如果我理解正确，您可以使用：

test %>% 
  group_by(cid, iid) %>% 
  summarise_each(funs(mean(.[.>0], na.rm = TRUE)), t1:t5)
#Source: local data frame [3 x 7]
#Groups: cid [?]
#
#    cid   iid    t1    t2    t3    t4    t5
#  (int) (int) (dbl) (dbl) (dbl) (dbl) (dbl)
#1   841     2   9.0     2     1     5   7.0
#2  2134     1   6.0     9     8     2   1.0
#3  4503     2   5.5     5     4     4   7.5

这是非常优雅的，可以完成工作。谢谢！如果我只想为每个cid的iid计数大于5的情况创建平均值，我将如何增强这一点？我想我会添加%>%筛选器（n（）>5）是的，该筛选器应该在摘要之前
    > result
     iid       t1 t2 t3
[1,]   2 6.666667  4  3
[2,]   1 6.000000  9  8

> mydata
  iid t1 t2 t3
1   2  4  5  5
2   2 -2  5  3
3   2  9  2  1
4   1  6  9 -1

mydata[,2:4][mydata[,2:4]<0]<-NA
id_list <- unique(mydata$iid)
result <- matrix(nrow=0, ncol=4)
colnames(result) <- colnames(mydata)
for (i in 1:length(id_list)){
   uid <- id_list[i]
   average <- unname(colMeans(mydata[mydata$iid==uid,2:4], na.rm=TRUE))
   result <- rbind(result, c(uid, average))
}
result

> result
     iid  t1 t2  t3
[1,]   2 6.5  4   3
[2,]   1 6.0  9 NaN

test %>% 
  group_by(cid, iid) %>% 
  summarise_each(funs(mean(.[.>0], na.rm = TRUE)), t1:t5)
#Source: local data frame [3 x 7]
#Groups: cid [?]
#
#    cid   iid    t1    t2    t3    t4    t5
#  (int) (int) (dbl) (dbl) (dbl) (dbl) (dbl)
#1   841     2   9.0     2     1     5   7.0
#2  2134     1   6.0     9     8     2   1.0
#3  4503     2   5.5     5     4     4   7.5