用R中的条件计算多列的平均值_R_Mean

用R中的条件计算多列的平均值

用R中的条件计算多列的平均值,r,mean,R,Mean,我想计算几个变量的平均值，但有条件的话，如果其中两列有NA，平均值就是NA，如果小于2，就求平均值 df <- data.frame(ID = c(1:10),X1 = c(rep(1,5),rep(2,5)),X2 = c(1:10),X3 = c(1,NA,2,NA,NA,1,NA,2,NA,NA),X4 = c(rep(NA,10)),X5=c(rep(1,5),rep(NA,5)), Y1 = c(rep(1,5),rep(2,5)),Y2 = c(1

我想计算几个变量的平均值，但有条件的话，如果其中两列有NA，平均值就是NA，如果小于2，就求平均值

df <- data.frame(ID = c(1:10),X1 = c(rep(1,5),rep(2,5)),X2 = c(1:10),X3 =   c(1,NA,2,NA,NA,1,NA,2,NA,NA),X4 = c(rep(NA,10)),X5=c(rep(1,5),rep(NA,5)),
             Y1 = c(rep(1,5),rep(2,5)),Y2 = c(1:10),Y3 = c(1,NA,2,NA,NA,1,NA,2,NA,NA),Y4 = c(rep(NA,10)),Y5=c(rep(1,5),rep(NA,5)))

MeanX = round(apply(df[,c(2:6)],1, mean,na.rm = TRUE),2)
MeanY = round(apply(df[,c(7:11)],1,mean,na.rm = TRUE),2)

因为我有一个大的数据集，对于每个组，有时我必须设置20个中的6个，有时10个中的1个，所以我可以计算平均值，如何设置这种情况下的条件。

这里是一个非常快速（必须运行）和肮脏的解决方案，包含

数据。表

。但我相信它可以被清洗，并建立在它的基础上，使之整洁，工作良好

# Load data.table
require(data.table)
setDT(df)

# Format all columns as as numeric, 
# otherwise mean is not meaningful (see what I did there?)
x.cols <- paste("X", 1:5, sep = "")
y.cols <- paste("Y", 1:5, sep = "")
setDT(df)[, (x.cols) := lapply(.SD, as.integer), .SDcols = x.cols]
setDT(df)[, (y.cols) := lapply(.SD, as.integer), .SDcols = y.cols]

# meanX first mean, and then NA
df[, meanX := mean(c(X1, X2, X3, X4, X5), na.rm = TRUE), by =ID]
df[df[, sum(is.na(c(X1, X2, X3, X4, X5))) > 2, by = ID]$V1, meanX := NA]

# meanY first mean, and then NA
df[, meanY := mean(c(Y1, Y2, Y3, Y4, Y5), na.rm = TRUE), by =ID]
df[df[, sum(is.na(c(Y1, Y2, Y3, Y4, Y5))) > 2, by = ID]$V1, meanY := NA]

# Result
df

    ID X1 X2 X3 X4 X5 Y1 Y2 Y3 Y4 Y5    meanX    meanY
 1:  1  1  1  1 NA  1  1  1  1 NA  1 1.000000 1.000000
 2:  2  1  2 NA NA  1  1  2 NA NA  1 1.333333 1.333333
 3:  3  1  3  2 NA  1  1  3  2 NA  1 1.750000 1.750000
 4:  4  1  4 NA NA  1  1  4 NA NA  1 2.000000 2.000000
 5:  5  1  5 NA NA  1  1  5 NA NA  1 2.333333 2.333333
 6:  6  2  6  1 NA NA  2  6  1 NA NA 3.000000 3.000000
 7:  7  2  7 NA NA NA  2  7 NA NA NA       NA       NA
 8:  8  2  8  2 NA NA  2  8  2 NA NA 4.000000 4.000000
 9:  9  2  9 NA NA NA  2  9 NA NA NA       NA       NA
10: 10  2 10 NA NA NA  2 10 NA NA NA       NA       NA

#加载数据表
要求（数据表）
setDT（df）
#将所有列格式化为数字，
#否则意味着没有意义（看我在那里做了什么？）
x、 cols 2，by=ID]$V1，meanY:=NA]
#结果
df
ID X1 X2 X3 X4 X5 Y1 Y2 Y3 Y4 Y5平均值x平均值
1:111NA1110000001.000000
2:2112NA1112NA1113331.333333
3:31132NA13132NA111750000 1.750000
4:414Na11Na14Na120000002.000000
5:515Na115Na123332.333333
6:6261NA261NA33000000
7:727NaNaNa27NaNaNaNaNaNa
8:8282NA282NA440000000
9:929NaNa2Na9NaNaNaNaNaNa
10:1020NaNa210NaNaNaNaNaNaNa

这是一个非常快速（必须运行）且脏的解决方案，包含

数据。表

。但我相信它可以被清洗，并建立在它的基础上，使之整洁，工作良好

# Load data.table
require(data.table)
setDT(df)

# Format all columns as as numeric, 
# otherwise mean is not meaningful (see what I did there?)
x.cols <- paste("X", 1:5, sep = "")
y.cols <- paste("Y", 1:5, sep = "")
setDT(df)[, (x.cols) := lapply(.SD, as.integer), .SDcols = x.cols]
setDT(df)[, (y.cols) := lapply(.SD, as.integer), .SDcols = y.cols]

# meanX first mean, and then NA
df[, meanX := mean(c(X1, X2, X3, X4, X5), na.rm = TRUE), by =ID]
df[df[, sum(is.na(c(X1, X2, X3, X4, X5))) > 2, by = ID]$V1, meanX := NA]

# meanY first mean, and then NA
df[, meanY := mean(c(Y1, Y2, Y3, Y4, Y5), na.rm = TRUE), by =ID]
df[df[, sum(is.na(c(Y1, Y2, Y3, Y4, Y5))) > 2, by = ID]$V1, meanY := NA]

# Result
df

    ID X1 X2 X3 X4 X5 Y1 Y2 Y3 Y4 Y5    meanX    meanY
 1:  1  1  1  1 NA  1  1  1  1 NA  1 1.000000 1.000000
 2:  2  1  2 NA NA  1  1  2 NA NA  1 1.333333 1.333333
 3:  3  1  3  2 NA  1  1  3  2 NA  1 1.750000 1.750000
 4:  4  1  4 NA NA  1  1  4 NA NA  1 2.000000 2.000000
 5:  5  1  5 NA NA  1  1  5 NA NA  1 2.333333 2.333333
 6:  6  2  6  1 NA NA  2  6  1 NA NA 3.000000 3.000000
 7:  7  2  7 NA NA NA  2  7 NA NA NA       NA       NA
 8:  8  2  8  2 NA NA  2  8  2 NA NA 4.000000 4.000000
 9:  9  2  9 NA NA NA  2  9 NA NA NA       NA       NA
10: 10  2 10 NA NA NA  2 10 NA NA NA       NA       NA

#加载数据表
要求（数据表）
setDT（df）
#将所有列格式化为数字，
#否则意味着没有意义（看我在那里做了什么？）
x、 cols 2，by=ID]$V1，meanY:=NA]
#结果
df
ID X1 X2 X3 X4 X5 Y1 Y2 Y3 Y4 Y5平均值x平均值
1:111NA1110000001.000000
2:2112NA1112NA1113331.333333
3:31132NA13132NA111750000 1.750000
4:414Na11Na14Na120000002.000000
5:515Na115Na123332.333333
6:6261NA261NA33000000
7:727NaNaNa27NaNaNaNaNaNa
8:8282NA282NA440000000
9:929NaNa2Na9NaNaNaNaNaNa
10:1020NaNa210NaNaNaNaNaNaNa

这是一个基本的R解决方案

我认为如果您首先使用长格式，这在概念上更容易，例如：

long <- reshape(df, idvar='ID', varying=colnames(df)[-1], timevar='t', sep='', direction='long')

然后，您可以根据您的描述相当自然地编写聚合函数。这一个匹配@snoram:

f <- function(x) if( sum(is.na(x)) > 2 ) NA else mean(x, na.rm=TRUE)

其中：

   ID       meanx       meany
1   1 1.000000000 1.000000000
2   2 1.333333333 1.333333333
3   3 1.750000000 1.750000000
4   4 2.000000000 2.000000000
5   5 2.333333333 2.333333333
6   6 3.000000000 3.000000000
7   7          NA          NA
8   8 4.000000000 4.000000000
9   9          NA          NA
10 10          NA          NA

然后，如果愿意，您可以

cbind

将其返回到原始数据帧

这种方法的优点是，如果您也有X6、X7等，它应该可以轻松地处理它们

编辑：

重新阅读您的问题，您最好分别跟踪NAs的平均值和数量，然后进行后处理。下面是一个快速而肮脏的例子：

>     f <- function(x) c(sum(is.na(x)), mean(x, na.rm=TRUE))
> agg <-    aggregate(cbind(meanx=X,meany=Y)~ID, long, f, simplify=FALSE, na.action=na.pass);
> agg
   ID                    meanx                    meany
1   1                     1, 1                     1, 1
2   2 2.000000000, 1.333333333 2.000000000, 1.333333333
3   3               1.00, 1.75               1.00, 1.75
4   4                     2, 2                     2, 2
5   5 2.000000000, 2.333333333 2.000000000, 2.333333333
6   6                     2, 3                     2, 3
7   7                 3.0, 4.5                 3.0, 4.5
8   8                     2, 4                     2, 4
9   9                 3.0, 5.5                 3.0, 5.5
10 10                     3, 6                     3, 6
> g <- function(x, i) if(x[1] <= i) x[2] else NA
> mapply(lapply, agg[2:3],list(g), c(2,1))
   meanx       meany
01 1           1    
02 1.333333333 NA   
03 1.75        1.75 
04 2           NA   
05 2.333333333 NA   
06 3           NA   
07 NA          NA   
08 4           NA   
09 NA          NA   
10 NA          NA

>f agg agg
我的意思是
1   1                     1, 1                     1, 1
2   2 2.000000000, 1.333333333 2.000000000, 1.333333333
3   3               1.00, 1.75               1.00, 1.75
4   4                     2, 2                     2, 2
5   5 2.000000000, 2.333333333 2.000000000, 2.333333333
6   6                     2, 3                     2, 3
7   7                 3.0, 4.5                 3.0, 4.5
8   8                     2, 4                     2, 4
9   9                 3.0, 5.5                 3.0, 5.5
10 10                     3, 6                     3, 6
>g这是一个基本的R解
我认为如果您首先使用长格式，这在概念上更容易，例如：
long <- reshape(df, idvar='ID', varying=colnames(df)[-1], timevar='t', sep='', direction='long')

然后，您可以根据您的描述相当自然地编写聚合函数。这一个匹配@snoram:
f <- function(x) if( sum(is.na(x)) > 2 ) NA else mean(x, na.rm=TRUE)

其中：
   ID       meanx       meany
1   1 1.000000000 1.000000000
2   2 1.333333333 1.333333333
3   3 1.750000000 1.750000000
4   4 2.000000000 2.000000000
5   5 2.333333333 2.333333333
6   6 3.000000000 3.000000000
7   7          NA          NA
8   8 4.000000000 4.000000000
9   9          NA          NA
10 10          NA          NA

然后，如果愿意，您可以cbind
将其返回到原始数据帧
这种方法的优点是，如果您也有X6、X7等，它应该可以轻松地处理它们
编辑：
重新阅读您的问题，您最好分别跟踪NAs的平均值和数量，然后进行后处理。下面是一个快速而肮脏的例子：
>     f <- function(x) c(sum(is.na(x)), mean(x, na.rm=TRUE))
> agg <-    aggregate(cbind(meanx=X,meany=Y)~ID, long, f, simplify=FALSE, na.action=na.pass);
> agg
   ID                    meanx                    meany
1   1                     1, 1                     1, 1
2   2 2.000000000, 1.333333333 2.000000000, 1.333333333
3   3               1.00, 1.75               1.00, 1.75
4   4                     2, 2                     2, 2
5   5 2.000000000, 2.333333333 2.000000000, 2.333333333
6   6                     2, 3                     2, 3
7   7                 3.0, 4.5                 3.0, 4.5
8   8                     2, 4                     2, 4
9   9                 3.0, 5.5                 3.0, 5.5
10 10                     3, 6                     3, 6
> g <- function(x, i) if(x[1] <= i) x[2] else NA
> mapply(lapply, agg[2:3],list(g), c(2,1))
   meanx       meany
01 1           1    
02 1.333333333 NA   
03 1.75        1.75 
04 2           NA   
05 2.333333333 NA   
06 3           NA   
07 NA          NA   
08 4           NA   
09 NA          NA   
10 NA          NA   

>f agg agg
我的意思是
1   1                     1, 1                     1, 1
2   2 2.000000000, 1.333333333 2.000000000, 1.333333333
3   3               1.00, 1.75               1.00, 1.75
4   4                     2, 2                     2, 2
5   5 2.000000000, 2.333333333 2.000000000, 2.333333333
6   6                     2, 3                     2, 3
7   7                 3.0, 4.5                 3.0, 4.5
8   8                     2, 4                     2, 4
9   9                 3.0, 5.5                 3.0, 5.5
10 10                     3, 6                     3, 6
>g您可以尝试类似于df$meanX=apply（df[，2:6]，1，function（x）ifelse（sum（is.na（x））<2，mean（x，na.rm=TRUE），na））
的方法，在这里您可以将2替换为NAs的最大数量rowMeans
也可能会引起您的兴趣。它有点难以辨认，但应该非常快（特别是如果您转换为矩阵而不是使用数据帧）：MeanX=round（rowMeans（df[，c（2:6）]，na.rm=TRUE），2）*c（1，na）[（rowSums（is.na（df[，c（2:6）]）>2）+1]
@Gregor-如果您在两条语句中执行，就可以避免混淆-df$MeanX=2]您可以尝试类似于df$MeanX=apply（df[，2:6]，1，函数（x）ifelse（sum（is.na（x））<2，mean（x，na.rm=TRUE），na））
其中可以用最大数量的NAs替换2rowMeans
，您可能也感兴趣。它有点难以辨认，但应该非常快（特别是如果您转换为矩阵而不是使用数据帧）：MeanX=round（rowMeans（df[，c（2:6）]，na.rm=TRUE），2）*c（1，na）[