Question

在R中，我有一个如下所示的数据框：

         Female.ID    Mate.ID  relatedness
    1           A1         C1       0.0000
    2           A1         D1       0.0000 
    3           A1         E1       0.5062
    4           A1         F1           NA
    5           B1         G1       0.0425
    6           B1         H1       0.0000
    7           B1         I1       0.0349
    8           B1         J1       0.0000
    9           B1         K1       0.0000
    10          B1         L1       0.0887
    11          B1         M1       0.1106
    12          B1         N1       0.0000

我想创建一个新的数据框，并找到女性所有配偶的平均相关性.ID A1和所有女性配偶的平均相关性.ID B1等。

我想要这样的事情：

    Female.ID    mean.relatedness
           A1              0.1687
           B1              0.0346

这个数据框比这个例子大得多，这就是为什么我不只是逐个为女性进行子集化并找到平均相关性。我正在考虑做一些for循环，但我不知道如何启动它。

Answer 1

您可以使用dplyr：

User.popular_users_for(friend_id)

Answer 2

这个想法是：

通过＆＃34; Female.ID＆＃34;
然后使用平均值进行汇总，同时忽略NA。

如果数据太大，您可能需要使用更快的软件包，例如 data.table （这是一个语法简单的快速软件包）。有关详细信息，请查看此链接data.table vs dplyr: can one do something well the other can't or does poorly?

一般来说，循环在R中没有优化。只有在包装不能支持治疗的情况下，它才能作为最终解决方案保留。

这里的语法使用data.table（df是初始data.frame）

library(data.table)

dt<- as.data.table(df)
dt1 <- dt[, .(mean.relatedness= mean(relatedness, na.rm = TRUE)),
            by="Female.ID"]
>dt1
 Female.ID mean.relatedness
1:        A1        0.1687333
2:        B1        0.0345875

请注意，分组可以通过多变量向量完成，汇总函数可以不是均值，并且总结时需要 na.rm = TRUE 来忽略NA

如何使用循环查找大型数据框中某些值的平均值

2 个答案: