Question

我对R不太了解，我在数据框中有一个变量，我试图计算一些统计数据，希望将它们写入csv。我一直在使用基本的for循环，如下所示：

for(i in x) {
    mean(my_dataframe[,c(i)], na.rm = TRUE))
}

其中x是colnames（my_dataframe）

并非每个变量都是数字 - 但是当我在循环中添加打印时，这样可以正常工作 - 它只是在适用时打印方式，而在不适用时打印NA。但是，当我尝试将此循环分配给一个值（意味着＆lt; - for ....）时，它会生成一个空列表。同样，当我尝试将结果直接写入csv时，我得到一个空的csv。有谁知道为什么会发生这种情况/如何解决？

Answer 1

这对你有用。你不需要循环。只需使用summary（）函数。

summary(cars)

Answer 2

您可以使用lapply或sapply进行此类操作。 e.g。

sapply(my_dataframe, mean)

将为您提供所有方法。您也可以给它自己的功能，例如

sapply(my_dataframe, function(x) sum(x^2 + 2)/4 - 9)

如果所有变量都不是数字，您可以使用summarise_if中的dplyr来获取数字列的结果。

require(dplyr)
my_dataframe %>% 
  summarise_if(is.numeric, mean)

如果没有dplyr，您可以

sapply(my_dataframe[sapply(my_dataframe, is.numeric)], mean)

Answer 3

for循环执行内部代码，但它不会将任何结果放在一起。要做到这一点，您需要创建一个对象来保存结果并显式分配每个结果：

my_means = rep(NA, ncol(my_dataframe)
for(i in seq_along(x)) {
    my_means[i] = mean(my_dataframe[, x[i], na.rm = TRUE))
}

请注意，我还将您的循环更改为使用i = 1, 2, 3, ...而不是每个名称。

sapply，如另一个答案所示，是一个很好的快捷方式，它可以完成循环并为您组合结果，因此您不必担心预先分配结果对象。它也足够聪明，可以默认迭代数据帧的列。

my_means_2 = sapply(my_dataframe, mean, na.rm = T)

Answer 4

下次发布问题时，请提供可重现的示例。

Input是我想象您的数据的样子。

输入：

library(nycflights13)
library(tidyverse)
input <- flights %>% select(origin, air_time, carrier, arr_delay)

input
# A tibble: 336,776 x 4
   origin air_time carrier arr_delay
   <chr>     <dbl> <chr>       <dbl>
 1 EWR        227. UA            11.
 2 LGA        227. UA            20.
 3 JFK        160. AA            33.
 4 JFK        183. B6           -18.
 5 LGA        116. DL           -25.
 6 EWR        150. UA            12.
 7 EWR        158. B6            19.
 8 LGA         53. EV           -14.
 9 JFK        140. B6            -8.
10 LGA        138. AA             8.
# ... with 336,766 more rows

我看到它的方式，有两种方法可以做到：

使用summarise_all()

summarise_all()将汇总您的所有列，包括非数字列。

方法：

input %>% summarise_all(funs(mean(., na.rm = TRUE)))
# A tibble: 1 x 4
  origin air_time carrier arr_delay
   <dbl>    <dbl>   <dbl>     <dbl>
1     NA     151.      NA      6.90

Warning messages:
1: In mean.default(origin, na.rm = TRUE) :
  argument is not numeric or logical: returning NA
2: In mean.default(carrier, na.rm = TRUE) :
  argument is not numeric or logical: returning NA

如果您要使用此方法，您将收到结果和警告。

使用summarise_if

仅汇总数字列。你可以避免这种错误。

方法：

input %>% summarise_if(is.numeric, funs(mean(., na.rm = TRUE)))
# A tibble: 1 x 2
  air_time arr_delay
     <dbl>     <dbl>
1     151.      6.90

然后，您可以为其他人创建NA列

循环遍历数据框中的变量以查找摘要统计信息

4 个答案: