Question

摘要

提供了一个数据框，其中我有几个作为变量的列（每个列都是数字但是一个，这是一个因素），行是观察，我想创建一个新列，其中包含所有数字列的平均值+另一个具有所有数字列的加权平均值。

我发现很多方法显然可以解决这个问题（使用dplyr，lapply，data.table ...）但是它们都不适用于宽数据帧（我不是我确定我可以把它转换成长格式 - 见下文，请在标记为重复之前耐心等待，因为我没有找到任何问题的答案。）

长版：

我有一个宽格式的数据帧，如下面提供的那样（原始数据帧有超过1700个20个变量的观察值，分为30个邻域），这是计算每个变量值的中值的结果：

df = data.frame(matrix(rnorm(15), nrow = 3))
df$neighbour = c("neighbour1", "neighbour2", "neighbour3")

df
> df
          X1         X2         X3         X4        X5  neighbour
1  1.0384405  0.6116994 -0.2075835  0.3206011 1.3855455 neighbour1
2 -0.5115649 -0.7722500  0.8374265 -1.3697758 0.1690452 neighbour2
3  1.0145282  0.6809156 -0.2918737  0.2912297 1.0689213 neighbour3

我想创建

1）名为mean的列，它是所有数值的平均值（除了neighbour之外的所有列）和
2）wmean列是每列的加权平均值，其中权重由以下向量提供：weight = c(.25, .05, .3, .3, .3)

我的第一次尝试是使用dplyr::mutate来创建这些列，但我没有成功，很可能是因为我做错了（所以如果我没有成功的常规手段，我没有关于如何执行加权平均值的线索）：

df = df %>%
  mutate(mean = mean(select(-neighbour)))
Error in mutate_impl(.data, dots) : 
  argumento no válido para un operador unitario
> df = df %>%
+   mutate(mean = mean())
Error in mutate_impl(.data, dots) : 
  el argumento "x" está ausente, sin valor por omisión
> df = df %>%
+   mutate(mean = mean(is.numeric()))
Error in mutate_impl(.data, dots) : 
  0 arguments passed to 'is.numeric' which requires 1
>

还尝试使用mutate_each，但我假设我的问题是我不知道如何通过正确的列来计算均值（更不用说我对加权均值没有任何线索）。

根据我的阅读，有很多方法可以创建所需的列：

This answer by Carlos Cinelli使用sapply + filter，dplyr和tydr提供示例，但所有这些解决方案均基于他们不创建新列的事实，每个邻居观察的中位数，但每个变量的值的中位数。
This answer by @Roland建议使用data.table，但为了能够使用它，我的数据框应该有一个重量的列（而我没有它，我怕我我不知道如何创建这样的列，只要我有超过1700个观察结果）
This answer by @Bob使用apply创建了几列的平均值（这与我正在寻找的内容相近！）但仍然不知道如何排除neighbour列，否则它将失败，B）计算加权平均值。

任何人都可以为我带来一些亮点吗？我现在正在努力解决这个问题，我无法看到答案。

编辑：根据@ boshek的answer我试图从宽格式转换为长格式，然后应用summarise_each，但都没有成功：

df = df %>%
  gather(variable, value, -neighbour) %>%
  group_by(neighbour, variable) %>%
  summarise_each(., funs=mean)

Answer 1

好的 - 所以你想要意味着ACROSS行吗？

我使用gather中的dplyr，然后将其与原始数据合并：

df.mean <- df %>%
  gather(variable, value, -neighbour) %>%
  group_by(neighbour) %>%
  summarise(mean_value=mean(value), wmean_value=weighted.mean(value))

df.comb <- df %>%
  full_join(.,df.mean, by=c("neighbour"))

有几种方法可以给这只猫上皮，但这只是一种。

这是你想要的吗？

Answer 2

import pandas as pd
df = pd.DataFrame(range(1, 10))
df.plot(style="o")

Answer 3

我认为base中的rowMeans（）函数可能是您最好的选择。

df$mean <- rowMeans(dplyr::select(df, starts_with("X")))

加权平均值可能更难。我无法找到一种快速而干净的方法来做到这一点，但这是一个有效的选择：

# define a function that calculates a weighted mean
wmean <- function(x, weight){
  stopifnot(length(x) == length(weight))
  if(sum(weight) != 1) {
    message("Rescaling weights to sum to 1")
    weight <- weight/sum(weight)
  }
  wx <- sum(x * weight)
  return(wx)
}
# apply that function row by row to the X columns in df
df$wmean <- apply(X=dplyr::select(df, starts_with("X")), MARGIN=1, FUN=wmean, weight = weight)

Answer 4

我知道我发布这个有点晚了，但我一直在寻找类似问题的解决方案，并从 rowWeightedMeans 库中找到了 matrixStats，它也支持 na.rm ，你只需要转换成矩阵，它的工作原理如下：

library(matrixStats)
df$wmean <- rowWeightedMeans(as.matrix(df[ , c('X1', 'X2', 'X3', 'X4', 'X5')]), w = weight)

这对我来说非常有效，正如前面提到的，有额外的支持na.rm = TRUE，我需要

计算数据框中多个列的平均值（和加权平均值）

4 个答案: