Question

我列出了140个data.frame类型的元素（＆＃39; my.list＆＃39;）。我想为某个data.frame中的某组行计算特定列中某些值范围的350个平均值（这有点神秘）;所以，350个不同的平均值如：

data.frame＃1，列的平均值＆＃39; Measure1＆＃39;，第1行：5;
data.frame＃2，列＆＃39; Measure3＆＃39;，第1行：4等的平均值等。

我还有另一个data.frame（＆＃39; my.dfAverage＆＃39;），它指示了平均需要哪些data.frame，column和rows。我想为这个data.frame写出350个不同的平均值和标准偏差（所以列数：＆＃39; average_id＆＃39;，＆＃39; dataframe_number＆＃39;，＆＃39; column_name＆＃39;，＆＃39; row_numbers＆＃39;，＆＃39;平均＆＃39;和＆＃39; st_dev＆＃39;）。某些值范围具有NA＆＃39;可以删除这些值以计算平均值。

根据此data.frame中的信息自动计算data.frames列表中350个平均值和标准偏差的最佳方法是什么？我想过创建一个for循环（或者也许是lapply函数？），但我对这些函数很新，所以我不确定这里要走的路是什么。

我的data.frames列表的小型可重现示例：

my.df1 <- data.frame(ID = c(1:5),
                    Measure1 = c(2247,2247,1970,1964,1971),
                    Measure2 = c(2247,2247,NA,1964,1971))
my.df2 <- data.frame(ID = c(1:4),
                    Measure3 = c(2247,NA,1970,1964),
                    Measure5 = c(2247,2247,NA,1964))
my.df3 <- data.frame(ID = c(1:4),
                    Measure6 = c(2247,600,1970,1964),
                    Measure8 = c(2247,2247,NA,1964))

my.list <- list(list1 = my.df1, list2 = my.df2, list3 = my.df3)

平均值和标准差的所需输出表：

my.dfAverage <- data.frame(average_id = c(1:3),
                           dataframe_number = c(1,2,3),
                           column_name = c('Measure1','Measure3','Measure6'),
                           row_numbers = c('1:3','1:4','1:2'),
                           average = (NA),
                           st_dev = (NA))

Answer 1

使用tidyverse的解决方案。

首先，根据my.dfAverage展开row_numbers。

library(tidyverse)

my.dfAverage2 <- my.dfAverage %>%
  separate(row_numbers, into = c("start", "end")) %>%
  mutate(row_numbers = map2(start, end, `:`)) %>%
  unnest() %>%
  select(-start, -end) %>%
  mutate(row_numbers = as.integer(row_numbers),
         dataframe_number = as.integer(dataframe_number))

其次，转换my.list中的所有数据帧并将它们组合成单个数据帧。

my.list.df <- my.list %>%
  setNames(1:length(.)) %>%
  map_dfr(function(x){
  x2 <- x %>%
    gather(column_name, value, -ID)
  return(x2)
},.id = "dataframe_number") %>%
  mutate(ID = as.integer(ID), dataframe_number = as.integer(dataframe_number)) %>%
  rename(row_numbers = ID)

第三，合并my.dfAverage2和my.list.df并计算平均值和标准差。 my.dfAverage3是最终输出。

my.dfAverage3 <- my.dfAverage2 %>%
  left_join(my.list.df, by = c("dataframe_number", "column_name", "row_numbers")) %>%
  group_by(average_id, dataframe_number, column_name) %>%
  summarise(row_numbers = paste(min(row_numbers), max(row_numbers), sep = ":"),
            average = mean(value, na.rm = TRUE),
            st_dev = sd(value, na.rm = TRUE)) %>%
  ungroup()
my.dfAverage3
# A tibble: 3 x 6
#   average_id dataframe_number column_name row_numbers average st_dev
#        <int>            <int> <chr>       <chr>         <dbl>  <dbl>
# 1          1                1 Measure1    1:3            2155    160
# 2          2                2 Measure3    1:4            2060    162
# 3          3                3 Measure6    1:2            1424   1165

数据

my.list与OP＆＃39; my.list相同。

my.dfAverage <- data.frame(average_id = c(1:3), dataframe_number = c(1,2,3), column_name = c('Measure1','Measure3','Measure6'), row_numbers = c('1:3','1:4','1:2'))

Answer 2

这是与上面给出的方法不同的方法：我将仅使用base r函数：要注意，确保数据具有stringsAsFactors=FALSE

编写一个函数但确保正确索引mylist。然后计算这个函数f(...,na.rm=T)。使用apply编写函数：

  fun1=function(f){with(my.dfAverage,
   mapply(function(x,y,z)
   f(x[eval(parse(text=y)),z],na.rm=T),my.list,row_numbers,column_name))}

 transform(my.dfAverage,average=fun1(mean),st_dev=fun1(sd))

  average_id dataframe_number column_name row_numbers  average    st_dev
1          1                1    Measure1         1:3 2154.667  159.9260
2          2                2    Measure3         1:4 2060.333  161.6859
3          3                3    Measure6         1:2 1423.500 1164.6049

使用的数据：

my.dfAverage <- data.frame(average_id = c(1:3),
                           dataframe_number = c(1,2,3),
                           column_name = c('Measure1','Measure3','Measure6'),
                           row_numbers = c('1:3','1:4','1:2'),
                           average = (NA),
                           st_dev = (NA),stringsAsFactors = F)

计算data.frames列表中不同列/行的平均值

2 个答案: