所有行的多列均值偏高

时间:2018-08-21 23:04:49

标签: r dataframe matrix mean weighted

我想计算一个巨大数据集的加权平均值。

我需要的是以下内容(每行),并且我有NA, 因此我需要以某种方式合并na.rm = TRUE。 我希望计算以下内容(对于距离1到距离10):

(distance1 * X1CityNumber + ... + distance10 * X10CityNumber) /
(X1CityNumber + ... + X10CityNumber)

我写了以下代码,但是它产生了错误的数字。

for (i in 1:378742) {
  rcffull$distance[i] <- weighted.mean(cbind(rcffull$distance1[i],
                                             rcffull$distance2[i],
                                             rcffull$distance3[i],
                                             rcffull$distance4[i],
                                             rcffull$distance5[i],
                                             rcffull$distance6[i],
                                             rcffull$distance7[i],
                                             rcffull$distance8[i],
                                             rcffull$distance9[i],
                                             rcffull$distance10[i]),
                                       cbind(rcffull$X1CityNumber[i],
                                             rcffull$X2CityNumber[i],
                                             rcffull$X3CityNumber[i],
                                             rcffull$X4CityNumber[i],
                                             rcffull$X5CityNumber[i],
                                             rcffull$X6CityNumber[i],
                                             rcffull$X7CityNumber[i],
                                             rcffull$X8CityNumber[i],
                                             rcffull$X9CityNumber[i],
                                             rcffull$X10CityNumber[i]),
                                       na.rm = TRUE)
  }

有什么建议吗?


具有较少列的样本数据:

 distance1    Weights1    distance2        Weights2    
1    5            3            8              2 
2    NA           2            3              3
3    5            NA           4              4

#desired output:
    Mean distance
1      6.2 #= (5 * 3 + 8 * 2) / (3 + 2)
2      3.0 #= (3 * 3) / 3
3      3.0 #= (4 * 4) / 4

1 个答案:

答案 0 :(得分:2)

  

NA发生在权重和距离上。在进行(d1 * w1 + d2 * w2) / (w1 + w2)时,NA应该同时从分母和分母中删除,权重的归一化需要考虑这一点。

dat <- structure(list(distance1 = c(5L, NA, 5L), Weights1 = c(3L, 2L, NA),
distance2 = c(8L, 3L, 4L), Weights2 = c(2L, 3L, 4L)), .Names = c("distance1", 
"Weights1", "distance2", "Weights2"), class = "data.frame", row.names = c("1", 
"2", "3"))

A <- as.matrix(dat[c(1, 3)])  ## distance columns
B <- as.matrix(dat[c(2, 4)])  ## weight columns
B[is.na(A)] <- 0
rowSums(A * B, na.rm = TRUE) / rowSums(B, na.rm = TRUE)
#  1   2   3 
#6.2 3.0 4.0 

备注1:

如果数据和权重中都没有NA,请这样做

rowSums(A * B) / rowSums(B)

备注2:

处理NA的替代方法:将数据和权重中的所有NA都设置为0,然后使用rowSums而不使用na.rm

ind <- is.na(A) | is.na(B)
A[ind] <- 0
B[ind] <- 0
rowSums(A * B) / rowSums(B)

备注3:

如果没有一对非NaN基准和非0 / 0权重,则

NA可能由于NA而发生。

备注4:

weighted.mean只能删除数据中的NA,而不能删除权重。这也是不希望的,因为您想对所有行进行计算。没有“矢量化”解决方案。您必须执行慢的R级循环。