Question

我有一个数据框，包含10299个66个变量的观测值。其中一些变量共享一个共同的列名，我想计算每个观察变量的平均值。

具有以下矩阵，列名为c(A, B, C, B, A ,C)：

A B C B A C                             
1 2 3 4 5 6         
3 5 6 7 4 3                             
3 3 3 3 5 5                             
2 2 2 2 2 2

我想得到：

A   B   C    
3   3   4.5
3.5 6   4.5
4   3   4
2   2   2

我尝试了循环，命令aggregate()，但我没有得到所需的结果。

很抱歉，如果这个问题看起来太基础了，我已经检查了谷歌的可能解决方案，但我没有找到。

Answer 1

这是一个解决方案。

首先让我们定义一个示例性data.frame（与您的示例中相同）。

df <- as.data.frame(
    matrix(c(1,3,3,2,2,5,3,2,3,6,3,2,4,7,3,2,5,4,5,2,6,3,5,2),
        ncol=6,
        dimnames=list(NULL, c("A", "B", "C", "B", "A", "C"))
    )
  )

下面我们在每个唯一列名col上应用自定义函数：它会选择名为col的所有列并计算rowMeans。结果，原子矢量列表将被强制转换为data.frame：

res <- as.data.frame( # sapply returns a list here, so we convert it to a data.frame
    sapply(unique(names(df)), # for each unique column name
       function(col) rowMeans(df[names(df) == col]) # calculate row means
    )
  )

结果：

res
##     A B   C
## 1 3.0 3 4.5
## 2 3.5 6 4.5
## 3 4.0 3 4.0
## 4 2.0 2 2.0

修改由于已经提出了许多解决方案，让我们对它们进行基准测试：

set.seed(123) df <- as.data.frame(matrix(sample(1:9, replace=TRUE, 10000*100), dimnames=list(NULL, sample(LETTERS[1:5], 100, replace=TRUE)), ncol=100)) library(microbenchmark) microbenchmark(...) ## Unit: milliseconds ## min lq median uq max neval ## @gagolews 61.196075 65.73211 77.22533 119.42028 127.32557 10 ## @joran 8.297964 10.05242 10.90564 15.25943 65.69156 10 ## @Davide 5535.272680 5731.24220 5754.67006 5808.47807 5862.22628 10

明显的赢家（至少就速度而言）是@joran＆＃39; lapply + split + Reduce。恭喜！： - ）

Answer 2

在我看来，这有效但不如gegolews解决方案好：

x <- read.table(text = "A B C B A C                             
 1 2 3 4 5 6         
 3 5 6 7 4 3                             
 3 3 3 3 5 5                             
 2 2 2 2 2 2",header = TRUE,sep = "",check.names = FALSE)

as.data.frame(lapply(split(as.list(x),f = colnames(x)),function(x) Reduce(`+`,x) / length(x)))
##    A B   C
##1 3.0 3 4.5
##2 3.5 6 4.5
##3 4.0 3 4.0
##4 2.0 2 2.0

Answer 3

使用apply和tapply的组合：

t(apply(df, 1, function(x) tapply(x, colnames(df), mean)))

#        A B   C
# [1,] 3.0 3 4.5
# [2,] 3.5 6 4.5
# [3,] 4.0 3 4.0
# [4,] 2.0 2 2.0

Answer 4

您可以使用rowMeans将数据框划分为基于列名的不同组，然后使用sapply(split.default(df, names(df)), rowMeans) # A B C #[1,] 3.0 3 4.5 #[2,] 3.5 6 4.5 #[3,] 4.0 3 4.0 #[4,] 2.0 2 2.0获取具有相同名称的列的平均值。

df = structure(list(A = c(1L, 3L, 3L, 2L), B = c(2L, 5L, 3L, 2L), 
    C = c(3L, 6L, 3L, 2L), B = c(4L, 7L, 3L, 2L), A = c(5L, 4L, 
    5L, 2L), C = c(6L, 3L, 5L, 2L)), .Names = c("A", "B", "C", 
"B", "A", "C"), class = "data.frame", row.names = c(NA, -4L))

数据

bucketSize

如何计算具有相同列名的数据框中这些列的平均值

4 个答案: