我有一个包含20个变量V1,V2,V3......V20
和1,200行的数据集。
我希望数据框中每四行平均一次,即输出数据集应该有20列
包含V1,V2,V3…V20
和300行,包含4个组中的平均数据。
我不能使用tapply
因为我必须一次输入1个变量;我想一次平均所有20个变量。
有一种有效的方法吗?我想使用来自apply family的功能 喜欢避免循环。
答案 0 :(得分:2)
将lapply
与colMeans
set.seed(42)
dat <- as.data.frame(matrix(sample(1:20, 20*1200, replace=TRUE), ncol=20))
n <- seq_len(nrow(dat))
res <- do.call(rbind,lapply(split(dat, (n-1)%/%4 +1),colMeans, na.rm=TRUE))
dim(res)
#[1] 300 20
这里的想法是创建一个分组变量,将数据集拆分为列表中数据集的子集,条件是1:4
行进入第一个子集,5:8
到第二个子集,并且.. 。,最后一个子集将有297:300
。为了便于理解,使用行的子集。假设您的数据集有10行:
n1 <- seq_len(10)
n1
#[1] 1 2 3 4 5 6 7 8 9 10
(n1-1) %/%4 #created a numeric index to split by group
# [1] 0 0 0 0 1 1 1 1 2 2
我在上面添加了1
,从1
开始而不是0
(n1-1) %/%4 +1
#[1] 1 1 1 1 2 2 2 2 3 3
你也可以使用gl
ie。
gl(10, 4, 10)
对于数据集,它应该是
gl(1200, 4, 1200)
现在,您可以通过新创建的分组索引或数据集{/ 1}} split
n1
对于 split(n1,(n1-1) %/%4 +1) # you can check the result of this
dataset
然后使用 split(dat[1:10,], (n1-1) %/%4 +1)
和lapply
来获取每个列表元素的列方式,并使用colMeans
do.call(rbind,..)
的 summarise_each
dplyr
使用 library(dplyr)
res2 <- dat %>%
mutate(N= (row_number()-1)%/%4+1) %>%
group_by(N) %>%
summarise_each(funs(mean=mean(., na.rm=TRUE))) %>%
select(-N)
dim(res2)
#[1] 300 20
all.equal(as.data.frame(res), as.data.frame(res2), check.attributes=FALSE)
#[1] TRUE
data.table