Question

我有一个包含因子列的数据框。这是一个很小的例子：

dat <- data.frame(one = factor(c("a", "b")), two = factor(c("c", "d")))

我可以计算每列的因子标签基础的数值的平均值：

mean(as.integer(dat$one))
[1] 1.5

但是由于我的数据框中有很多列，所以我希望避免计算所有单独的方法，而宁愿做类似的事情：

colMeans(dat)

不起作用，因为列是因子，或

colMeans(as.integer(dat))

也不起作用。

那么如何轻松计算所有因子列的均值，无需循环或单独计算它们？

我真的需要change the class of all columns吗？

Answer 1

data.matrix几乎是为这样的任务而设计的。它还会跳过numeric和integer列（如果存在），因此可以减少内存使用量，但有时会转换为matrix。因此，只要您没有character列，这应该非常简单

colMeans(data.matrix(dat))
# one two 
# 1.5 1.5

Answer 2

我们可以使用lapply

lapply(dat, function(x) mean(as.integer(x)))

或dplyr

library(dplyr)
dat %>%
  summarise_each(funs(mean(as.integer(.))))

对于大数据集，最好分别按每列计算mean，因为转换为matrix也可能会产生内存问题。

Answer 3

编写一个使用for循环将所有值写入向量的简单函数。

dat <- data.frame(one = c(1:10), two = c(1:10))

colMeans <- function(tablename){
  i <- 1
  colmean <- c(1:ncol(tablename))

  for(i in c(1:ncol(tablename))){
    colmean[i] <- mean(tablename[,i])
  }
  return(colmean)
}

colMeans(dat)

希望这有效

Answer 4

您还可以使用data.table包，它比data.frame更快。如果您的数据很大，例如数百万观察，而不是您需要data.table来优化运行时间。

以下是代码：

library(data.table)
dat <- data.table(one = factor(c("a", "b")), two = factor(c("c", "d")))
factorCols <- c("one", "two")
dat[, lapply(.SD, FUN=function(x) mean(as.integer(x))), .SDcols=factorCols]

计算数据框中许多因子列的均值

4 个答案: