Question

我有一个大型数据框，其中的列是数字的字符串，例如“1,2,3,4”。我希望添加一个新列，这是这些数字的平均值。我已经设置了以下示例：

     set.seed(2015)
     library(dplyr)
     a<-c("1, 2, 3, 4", "2, 4, 6, 8", "3, 6, 9, 12")
     df<-data.frame(a)
     df$a <- as.character(df$a)

现在我可以使用strsplit分割字符串并返回[[1]]指定第一行的给定行的均值。

    mean(as.numeric(strsplit((df$a), split=", ")[[1]]))
    [1] 2.5

问题是当我尝试在数据框中执行此操作并引用行号时出现错误。

    > df2<- df %>%
    +   mutate(index = row_number(),
    +          avg = mean(as.numeric(strsplit((df$a), split=", ")
    [[index]])))
    Error in strsplit((df$a), split = ", ")[[1:3]] : 
      recursive indexing failed at level 2

任何人都可以解释这个错误，为什么我不能使用变量索引？如果我用一个常量替换索引，它似乎不喜欢我在那里使用变量。

非常感谢！

Answer 1

尝试：

library(dplyr)
library(splitstackshape)

df %>%
  mutate(index = row_number()) %>%
  cSplit("a", direction = "long") %>%
  group_by(index) %>%
  summarise(mean = mean(a))

给出了：

#Source: local data table [3 x 2]
#
#  index mean
#1     1  2.5
#2     2  5.0
#3     3  7.5

或者根据@Ananda的建议：

> rowMeans(cSplit(df, "a"), na.rm = T)
# [1] 2.5 5.0 7.5

如果您想将结果保存在数据框中，您可以这样做：

df %>% mutate(mean = rowMeans(cSplit(., "a"), na.rm = T))

给出了：

#            a mean
#1  1, 2, 3, 4  2.5
#2  2, 4, 6, 8  5.0
#3 3, 6, 9, 12  7.5

Answer 2

您可以使用sapply遍历strsplit返回的列表，处理每个列表元素：

sapply(strsplit((df$a), split=", "), function(x) mean(as.numeric(x)))
# [1] 2.5 5.0 7.5

Answer 3

library(data.table)
cols <- paste0("a",1:4)
setDT(df)[, (cols) := tstrsplit(a, ",", fixed=TRUE, type.convert=TRUE)
        ][, .(Mean = rowMeans(.SD)), .SDcols = cols]
   Mean
1:  2.5
2:  5.0
3:  7.5

或者，

rowMeans(setDT(tstrsplit(df$a, ",", fixed=TRUE, type.convert=TRUE)))
# [1] 2.5 5.0 7.5

R：将字符串拆分为数字并将平均值作为数据框中的新列返回

3 个答案: