数值不限值的数据帧中列的均值和标清
我试图计算数据中几列（第一列除外）的平均值和标准差。具有＜code＞NA＜code＞值的帧。
我试过< code>colMeans、< code > sappy 等。，创建一个循环，遍历data.frame，然后将平均值和标准偏差存储在一个单独的表中，但不断得到一个“有趣的”错误。任何帮助都是巨大的。谢谢
一个
共有3个答案
下面的示例代码可能会很有用。
# Create a 5 column dataframe that contains some NAs
col1 <- c(1,2,3,4,5)
col2 <- c(6,7,8,9,10)
col3 <- c(11,12,13,14,NA)
col4 <- c(16,NA,18,19,20)
col5 <- c(21,22,23,24,NA)
dataframe <- data.frame(col1,col2,col3,col4,col5)
# Apply the mean() function to all but the first column of the dataframe
apply(dataframe[,2:ncol(dataframe)], 2, function(x) mean(x, na.rm=TRUE))
# Check that the returned values are correct:
mean(col2)
mean(col3, na.rm=TRUE)
mean(col4, na.rm=TRUE)
mean(col5, na.rm=TRUE)
对于标准偏差，将mean（）替换为sd（）。
您应该使用的函数(例如< code>colMeans)几乎都有一个名为< code>na.rm的参数，默认为< code>FALSE。只要做< code>colMeans(x = your_df，na.rm = TRUE)就可以了。如果您想逐列进行，那么只使用< code>mean()也是一样。
sapply(df, function(cl) list(means=mean(cl,na.rm=TRUE), sds=sd(cl,na.rm=TRUE)))
col1 col2 col3 col4 col5
means 3 8 12.5 18.25 22.5
sds 1.581139 1.581139 1.290994 1.707825 1.290994
as.data.frame( t(sapply(df, function(cl) list(means=mean(cl,na.rm=TRUE),
sds=sd(cl,na.rm=TRUE))) ))
means sds
col1 3 1.581139
col2 8 1.581139
col3 12.5 1.290994
col4 18.25 1.707825
col5 22.5 1.290994
-
我使用Spark sql dataframes执行groupby操作，然后计算每组数据的平均值和中值。原始数据量约为1 TB。 当我运行该查询时，我的工作被卡住，无法完成。如何调试该问题？是否存在导致groupby（）卡滞的按键不平衡？
-
本文向大家介绍如何找到R数据帧中所有值的均值？，包括了如何找到R数据帧中所有值的均值？的使用技巧和注意事项，需要的朋友参考一下 如果数据框具有所有数字列，那么我们可能有兴趣查找该数据框中所有值的均值，但是由于数据框对象不是数字，因此无法直接完成此操作。因此，要查找R数据帧中所有值的均值，我们需要先将其转换为矩阵，然后使用均值函数。 示例 请看以下数据帧- 输出结果 使用均值函数查找均值- 示例 输
-
定义一个int型的一维数组，包含10个元素，赋一些随机整数 然后求出所有元素的最大值，最小值，平均值，和值，并输出出来。 思路说明 本问题是一个普通的对整数数组的操作，在下面的Python解决方法中，主要是尝试了python的一个内置函数reduce。 解决（Python） #! /usr/bin/env python #coding:utf-8 from __future__ import di
-
我有一组数据框，每个数据框具有不同的列名称，例如 看起来像 < code>frameTwo是 如何在不明确说明列名称的情况下计算整个帧的平均值和标准偏差？
-
用其他dataframe的列值替换dataframe的一列中的nan值时出现问题。下面是一个测试示例： 我想用其他dataframe中的特定值替换列名中的Nan值（如果其中有一些Nan值，则不是其他列），例如此dataframe中的Name2值： 我想得到的是： 这是此示例的测试代码： 然后我尝试了这三种方法，但都不起作用——我的数据帧始终保持Nan值。 你能告诉我哪里出错了吗？
-
我有两个不同大小的数据帧，我想对四个不同列中的所有值进行比较（两组） 基本上，我希望看到df1['A']==df2['A'] 我的实际数据帧要大得多（120000行数据，A列的值从1到700，B列的值从1到300），所以我知道这可能是一个更长的过程。