Question

这里讨论了矢量t的均值和中位数的计算问题，对于矢量y的每个值（从1到4），其中x = 1，z = 1，使用R中的聚合函数。

Multiple aggregation in R with 4 parameters

但是我怎样才能对每个矢量x的值（从1到5）计算（mean（y）+ mean（z））/（mean（z）-mean（t））？并且不要在任何向量中计算值0和NA。例如，在向量y中，第3个值为0，因此不应使用每个向量（y，z，t）中的第3个数字。结果第三行（x = 3）应为NA。

这是计算y，z和t均值的代码，需要添加计算公式（mean（y）+ mean（z））/（mean（z）-mean（t））：

data <- data.table(dataframe)
bar <- data[,.N,by=x]
foo <- data[ ,list(mean.y  =mean(y, na.rm = T),
                   mean.z=mean(z, na.rm = T),
                   mean.t=mean(t,na.rm = T)),
             by=x]

在这个计算代码中意味着使用所有行，但是用于计算（mean（y）+ mean（z））/（mean（z）-mean（t）），y或z或t等于的任何行不应使用零或NA。

Answer 1

更新

哦，这可以进一步简化，因为data.table默认情况下没有NA子集（特别是考虑到这种情况，类似于base::subset）。所以，你只需要这样做：

dt[y != 0 & z != 0 & t != 0, 
    list(ans = (mean(y) + mean(z))/(mean(z) - mean(t))), by = x]

FWIW，我在data.table中的表现如何：

dt[(y | NA) & (z | NA) & (t | NA), 
        list(ans=(mean(y)+mean(z))/(mean(z)-mean(t))), by=x]
#    x         ans
# 1: 1 -0.22222222
# 2: 2 -0.18750000
# 3: 3 -0.16949153
# 4: 4 -0.07142857
# 5: 5 -0.10309278

让我们使用一般语法对其进行细分：dt[i, j, by]：

在i中，我们会使用一个不错的小骇客TRUE | NA = TRUE和FALSE | NA = NA以及NA | NA = NA来过滤您的条件（您可以在R会话中测试这些内容）。

由于您说您只需要非零非NA值，因此只需| NA每列by - 只返回TRUE为了你的条件。这通过条件部分来确定子集。

然后，对于aggregate中的每个群组，我们j根据您的功能{{1}}，以获得结果。

HTH

Answer 2

这是一个解决方案：

# create your sample data frame
df <- read.table(text = " x y z  t
 1 1 1 10
 1 0 1 15
 2 NA 1 14
 2 3 0 15
 2 2 1 17
 2 1 NA 19
 3 4 2 18
 3 0 2 NA
 3 2 2 45
 4 3 2 NA
 4 1 3 59
 5 0 3 0
 5 4 3 45
 5 4 4 74
 5 1 4 86", header = TRUE)

library('dplyr')

dfmeans <- df %>%
  filter(!is.na(y) & !is.na(z) & !is.na(t)) %>% # remove rows with NAs
  filter(y != 0 & z != 0 & t != 0) %>% # remove rows with zeroes
  group_by(x) %>%
  summarize(xmeans = (mean(y) + mean(z)) / (mean(z) - mean(t)))

我确定有一种更简单的方法可以删除带有NAs和零的行，但它并没有找到我。无论如何，dfmeans看起来像这样：

#   x      xmeans
# 1 1 -0.22222222
# 2 2 -0.18750000
# 3 3 -0.16949153
# 4 4 -0.07142857
# 5 5 -0.10309278

如果你只想要xmeans的值使用dfmeans$xmeans。

用R计算data.table中不同列的均值的条件

2 个答案:

更新