R 从多个矩阵计算平均值和发生率

我有很多矩阵，它们都有相同类型的元素，但长度不同。所有文件中的列都是相同的（让我们称它们为“A”和“B”），但文件之间的行基本上是相同的元素，但并不总是相同的

以下是一些示例数据（以数据帧的形式）

（其中上述数字是所有矩阵的平均值）

然后是一个出现矩阵，我们称之为occurrent.matr，它将计算所有矩阵中每行出现的次数，它应该是这样的

   A B
   alpha   3
   beta    3
   delta   2
   gamma   3
   zeta    2
   theta   1
   epsilon 1

我今天已经开始做这个了，但是我不知道怎么做

我首先创建一个列表和一个矩阵，其中包含来自所有矩阵的唯一行名

list=c(rownames(df1),rownames(df2),rownames(df3))
unique=unique(list)
avematr<-matrix(NA,nrow=length(unique),ncol=2)

list=c（行名（df1）、行名（df2）、行名（df3））
唯一=唯一（列表）
avematr如果您想坚持使用基本R：

对于平均任务，将rowname添加为列会使事情变得更容易。这将防止在组合数据帧时对行名进行自动编号。然后，您可以简单地循环每个唯一的行名并构造平均值。快速而肮脏的解决方案可能如下所示：

df1 <- data.frame(A = 1:3, B = 3:1)
rownames(df1)=c("alpha","beta","gamma")

df2 <- data.frame(A = 1:5,B = 5:1)
rownames(df2)=c("alpha","beta","delta","gamma","zeta")

df3 <- data.frame(A = 1:7, B = 7:1)
rownames(df3)=c("alpha","beta","delta","gamma","zeta","theta","epsilon")

add_row_names_to_df <- function(df) {
    df$rn <- rownames(df)
    return(df)
}

new_df <- rbind(add_row_names_to_df(df1), 
                add_row_names_to_df(df2), 
                add_row_names_to_df(df3))

avg_df <- as.data.frame(matrix(unique(new_df$rn),
                               nrow = length(unique(new_df$rn)), 
                               ncol = 3))

for(i in 1:nrow(avg_df)) {
    avg.df[i,] <- c(avg_df[i,1],
                    mean(new_df$A[new_df$rn==avg_df[i,1]]),
                    mean(new_df$B[new_df$rn==avg_df[i,1]]))
}
colnames(avg_df) <- c("rowname", "avgA", "avgB")
avg_df

对于发生矩阵，您可以使用R中的
table（）
函数：

as.matrix(table(c(rownames(df1),rownames(df2),rownames(df3))))

收益率：

        [,1]
alpha      3
beta       3
delta      2
epsilon    1
gamma      3
theta      1
zeta       2

如果您想坚持基本R：

对于平均任务，将rowname添加为列会使事情变得更容易。这将防止在组合数据帧时对行名进行自动编号。然后，您可以简单地循环每个唯一的行名并构造平均值。快速而肮脏的解决方案可能如下所示：

df1 <- data.frame(A = 1:3, B = 3:1)
rownames(df1)=c("alpha","beta","gamma")

df2 <- data.frame(A = 1:5,B = 5:1)
rownames(df2)=c("alpha","beta","delta","gamma","zeta")

df3 <- data.frame(A = 1:7, B = 7:1)
rownames(df3)=c("alpha","beta","delta","gamma","zeta","theta","epsilon")

add_row_names_to_df <- function(df) {
    df$rn <- rownames(df)
    return(df)
}

new_df <- rbind(add_row_names_to_df(df1), 
                add_row_names_to_df(df2), 
                add_row_names_to_df(df3))

avg_df <- as.data.frame(matrix(unique(new_df$rn),
                               nrow = length(unique(new_df$rn)), 
                               ncol = 3))

for(i in 1:nrow(avg_df)) {
    avg.df[i,] <- c(avg_df[i,1],
                    mean(new_df$A[new_df$rn==avg_df[i,1]]),
                    mean(new_df$B[new_df$rn==avg_df[i,1]]))
}
colnames(avg_df) <- c("rowname", "avgA", "avgB")
avg_df

对于发生矩阵，您可以使用R中的
table（）
函数：

as.matrix(table(c(rownames(df1),rownames(df2),rownames(df3))))

收益率：

        [,1]
alpha      3
beta       3
delta      2
epsilon    1
gamma      3
theta      1
zeta       2

以下是一种整洁的方法：

库（tidyverse）
df1#A tible:7 x 3
#>身份证
#>       
#>1阿尔法15
#>2 beta 2 4
#>3三角洲34
#>4ε7 1
#>5伽马3.67 2.33
#>6θ6 2
#>7泽塔5 2
occ_数据百分比计数（id）
occ_dat
#>身份证号码
#>1阿尔法3
#>2β3
#>3三角洲2
#>4ε1
#>5伽马3
#>6θ1
#>7泽塔2号

由（v0.3.0）于2021-01-27创建，这里是一个tidyverse方法：

库（tidyverse）
df1#A tible:7 x 3
#>身份证
#>       
#>1阿尔法15
#>2 beta 2 4
#>3三角洲34
#>4ε7 1
#>5伽马3.67 2.33
#>6θ6 2
#>7泽塔5 2
occ_数据百分比计数（id）
occ_dat
#>身份证号码
#>1阿尔法3
#>2β3
#>3三角洲2
#>4ε1
#>5伽马3
#>6θ1
#>7泽塔2号

由（v0.3.0）创建于2021-01-27运行良好+1、使用tidyverse库回答得很好！使用
dat%map\u-dfr（rownames\u-to\u-column）
可以进一步减少第一部分内容。谢谢，说得好！写这篇文章时，当我使用
reduce
时，感觉很复杂。我在上面的代码中更改了它。运行得很好+1、使用tidyverse库回答得很好！使用
dat%map\u-dfr（rownames\u-to\u-column）
可以进一步减少第一部分内容。谢谢，说得好！写这篇文章时，当我使用
reduce
时，感觉很复杂。我在上面的代码中改变了这一点。