R 对多个列表进行平均的更有效方法

我有一些数据，我使用

rsample

包创建滚动窗口（我在这里使用

iris

数据集）。

rolling_iris

数据集包含许多列表

我想计算每个列表的

min

、

max

、

mean

和

sd

。也就是说，在

split

1中，计算前4列的

min

。我最初是通过在拆分上映射并使用

pivot\u longer

重新排列数据，然后计算统计数据，最后使用

pivot\u wide

将数据恢复到原始形式。这相当慢

library(dplyr)
library(purrr)

iris
rolling_iris <- rsample::rolling_origin(iris, initial = 10, assess = 1, cumulative = FALSE, skip = 0)

rolling_iris_statistics <- map(rolling_iris$splits, ~analysis(.x) %>%
      pivot_longer(cols = 1:4) %>%
      mutate(
        min = min(value),
        max = max(value),
        mean = mean(value),
        sd = sd(value)
      ) %>% 
        group_by(name) %>% 
        mutate(rowID = row_number()) %>% 
        pivot_wider(names_from = name, values_from = value)
    )

其他：

rolling_iris_analysis <- map(rolling_iris$splits, ~analysis(.x))
rolling_iris_assessment <- map(rolling_iris$splits, ~assessment(.x))

---

将下面的代码子集滚动到每个子数据帧中。因此，
rolling\u iris\u dfs
是一个数据帧列表。然后，您可以迭代每个数据帧并计算统计数据

rolling_iris_dfs <- map(seq(1, length(rolling_iris[[1]])), ~rolling_iris[[1]][[.x]]$data) 

rolling_iris_stats <- map(rolling_iris_dfs, ~analysis(.x) %>%
      pivot_longer(cols = 1:4) %>%
      mutate(
        min = min(value),
        max = max(value),
        mean = mean(value),
        sd = sd(value)
      ) %>% 
        group_by(name) %>% 
        mutate(rowID = row_number()) %>% 
        pivot_wider(names_from = name, values_from = value)
    )

rolling\u iris\u dfs%
变异(
最小值=最小值，
最大值=最大值，
平均值=平均值（值），
sd=sd（值）
) %>% 
分组单位（名称）%>%
变异（rowID=row_number（））%>%
枢轴（名称从=名称，值从=值）
)

analysis <- map(rolling_iris$splits, ~analysis(.x))
map(analysis, ~select(., c(1:4)) %>% as.matrix %>% mean())

rolling_iris_dfs <- map(seq(1, length(rolling_iris[[1]])), ~rolling_iris[[1]][[.x]]$data) 

rolling_iris_stats <- map(rolling_iris_dfs, ~analysis(.x) %>%
      pivot_longer(cols = 1:4) %>%
      mutate(
        min = min(value),
        max = max(value),
        mean = mean(value),
        sd = sd(value)
      ) %>% 
        group_by(name) %>% 
        mutate(rowID = row_number()) %>% 
        pivot_wider(names_from = name, values_from = value)
    )