Question

我有一个包含2列的cvs文件（例如，参见下面的Matrix 1）。我想创建一个程序来平均第一列中所有重复数字的矩阵的第二列。因此，例如在下面的矩阵中，第一列中有两行“2”。这些行将被平均为（（356 + 456）/ 2 = 406）等的一列。因此最终矩阵将喜欢底部的矩阵2。关于如何做到这一点的任何想法？

Matrix 1

mat1 <- structure(c(1, 2, 2, 3, 4, 4, 4, 5, 234, 356, 456, 745, 568, 
            998, 876, 895), .Dim = c(8L, 2L))
mat1
     [,1] [,2]
[1,]    1  234
[2,]    2  356
[3,]    2  456
[4,]    3  745
[5,]    4  568
[6,]    4  998
[7,]    4  876
[8,]    5  895

Matrix 2

mat2 <- structure(c(1, 2, 3, 4, 5, 234, 406, 745, 814, 895), .Dim = c(5L, 2L))
mat2
     [,1] [,2]
[1,]    1  234
[2,]    2  406
[3,]    3  745
[4,]    4  814
[5,]    5  895

Answer 1

仅使用基础R：

> x <- tapply(mat1[,2], mat1[,1], mean)
> matrix(c(as.integer(names(x)), x), ncol = 2)

Answer 2

最基本的方法是使用tapply：

tapply(mat1[,2], mat1[,1], mean)

Answer 3

怎么样？

as.matrix(aggregate(mat1[,2],by = list(mat1[,1]),FUN = mean))

Answer 4

如果第一列始终按数字顺序排列，则可以尝试

cbind(unique(mat1[,1]), rowsum(mat1[,2], mat1[,1]) %/% matrix(table(mat1[,1])))
#      [,1] [,2]
# [1,]    1  234
# [2,]    2  406
# [3,]    3  745
# [4,]    4  814
# [5,]    5  895

众所周知，

rowsum比aggregate和tapply更有效率。但是，存在明显的局限性。如果有一个rowmean函数用于分组矩阵计算，那就太好了。

另一个基础R可能性是

s <- unname(split(mat1[,2], mat1[,1]))
cbind(unique(mat1[,1]), vapply(s, mean, 1))
#      [,1] [,2]
# [1,]    1  234
# [2,]    2  406
# [3,]    3  745
# [4,]    4  814
# [5,]    5  895

这三者的更安全的解决方案是转换为数据框架。在这里，我使用dplyr来提高效率。

library(dplyr)
df <- group_by(as.data.frame(mat1), V1) %>% summarise(mean(V2))
as.matrix(unname(df))
#      [,1] [,2]
# [1,]    1  234
# [2,]    2  406
# [3,]    3  745
# [4,]    4  814
# [5,]    5  895

Answer 5

@LeoRJorge的答案是所需输出的98％，只需要取消命名（如果真的需要）：

unname(as.matrix(aggregate(mat1[,2], list(mat1[,1]), mean)))

     [,1] [,2]
[1,]    1  234
[2,]    2  406
[3,]    3  745
[4,]    4  814
[5,]    5  895

重复行的矩阵平均值

5 个答案: