按行计算具有公共名称模式的列组的累积平均值
我想在列名称中由模式定义的不同列集上按行计算累积平均值。
示例数据，两组列分别以a和b开头：
a1 = c(1, 2, 3)
a2 = c(4, 5, 6)
a3 = c(7, 8, 9)
a4 = c(10, 11, 12)
b1 = c(10, 20, 30)
b2 = c(40, 50, 60)
b3 = c(70, 80, 90)
b4 = c(100, 110, 120)
df = data.frame(a1, a2, a3, a4, b1, b2, b3, b4)
> df
a1 a2 a3 a4 b1 b2 b3 b4
1 1 4 7 10 10 40 70 100
2 2 5 8 11 20 50 80 110
3 3 6 9 12 30 60 90 120
第一组计算在名称以< code>a开头的列中执行:
a1_2是a1和a2。
a1_3是 a1、a2 和 a3 的平均值。
< code>a1_4是< code>a1 、< code>a2 、< code>a3和< code>a4的平均值。
同样，我想对“< code>b列”执行相同的计算:< code>b1_2 、< code>b1_3和< code>b1_4的计算方式与< code>a1_2 、< code>a1_3和< code>a1_4完全相同。
我可以用以下代码生成a1_2到b1_4。但在实际情况中，我有太多类似的变量要生成。
library(dplyr)
df %>%
rowwise() %>%
mutate(a1_2 = mean(c(a1, a2)),
a1_3 = mean(c(a1, a2, a3)),
a1_4 = mean(c(a1, a2, a3, a4)),
b1_2 = mean(c(b1, b2)),
b1_3 = mean(c(b1, b2, b3)),
b1_4 = mean(c(b1, b2, b3, b4))) %>%
ungroup()
a1 a2 a3 a4 b1 b2 b3 b4 a1_2 a1_3 a1_4 b1_2 b1_3 b1_4
1 1 4 7 10 10 40 70 100 2.5 4 5.5 25 40 55
2 2 5 8 11 20 50 80 110 3.5 5 6.5 35 50 65
3 3 6 9 12 30 60 90 120 4.5 6 7.5 45 60 75
如何更高效地执行这些计算，而不必手动逐个生成？这些生成的变量有一个模式，该模式用于计算多个变量的平均值。
我查了一个与我相关的问题（需要同时使用R中的Cross（）创建多个新变量）。但是在这个问题中，作者生成的新变量与数据帧中的其他变量不相关，这与我遇到的问题不一样。
共有3个答案
这是基本R中的另一种方法：
- 定义一个小的包装函数，将
rowMeans应用于以变量v开头的列集。 - 列根据名称
“a”和“b”将原始 data.frame 与包装器的输出绑定（在具有许多不同变量名称的情况下，这可以推广）。
rowMeansAcc <- function(df, v) {
m <- as.matrix(df[, grep(v, colnames(df))])
m_mean <- sapply(1:ncol(m), \(i) rowMeans(m[, 1:i, drop = FALSE]))[, -1, drop = FALSE]
colnames(m_mean) <- sprintf("%s1_%d", v, 2:ncol(m))
m_mean
}
cbind(df, rowMeansAcc(df, "a"), rowMeansAcc(df, "b"))
#> a1 a2 a3 a4 b1 b2 b3 b4 a1_2 a1_3 a1_4 b1_2 b1_3 b1_4
#> 1 1 4 7 10 10 40 70 100 2.5 4 5.5 25 40 55
#> 2 2 5 8 11 20 50 80 110 3.5 5 6.5 35 50 65
#> 3 3 6 9 12 30 60 90 120 4.5 6 7.5 45 60 75
注意：我们可以稍微修改包装器函数，使其直接用于例如 mutate（） 调用，
rowMeansAcc2 <- function(...) {
m <- cbind(...)
m_mean <- sapply(1:ncol(m), \(i) rowMeans(m[, 1:i, drop = FALSE]))[, -1, drop = FALSE]
colnames(m_mean) <- sprintf("1_%d", 2:ncol(m))
m_mean
}
mutate(df, "a" = rowMeansAcc2(a1, a2, a3, a4), "b" = rowMeansAcc2(b1, b2, b3, b4))
#> a1 a2 a3 a4 b1 b2 b3 b4 a.1_2 a.1_3 a.1_4 b.1_2 b.1_3 b.1_4
#> 1 1 4 7 10 10 40 70 100 2.5 4.0 5.5 25 40 55
#> 2 2 5 8 11 20 50 80 110 3.5 5.0 6.5 35 50 65
#> 3 3 6 9 12 30 60 90 120 4.5 6.0 7.5 45 60 75
这里是一个管道中的＜code＞dplyr＜/code＞选项（感谢@jav的出色方法）：
library(dplyr)
library(tidyr)
df %>%
mutate(id = row_number()) %>%
pivot_longer(cols = -id) %>%
mutate(group = sub("^([[:alpha:]]*).*", "\\1", name),
number = gsub(".*?([0-9]+).*", "\\1", name)) %>%
group_by(id, group) %>%
mutate(avg_value = cummean(value),
col_name := paste0(group, min(number), "_", number)) %>%
filter(number != 1) %>%
pivot_wider(id_cols = id, names_from = col_name, values_from = avg_value) %>%
group_by(id) %>%
fill(everything(), .direction = "downup") %>%
slice(1) %>%
merge(df %>% mutate(id = row_number()), ., by = 'id') %>%
select(-id)
#> a1 a2 a3 a4 b1 b2 b3 b4 a1_2 a1_3 a1_4 b1_2 b1_3 b1_4
#> 1 1 4 7 10 10 40 70 100 2.5 4 5.5 25 40 55
#> 2 2 5 8 11 20 50 80 110 3.5 5 6.5 35 50 65
#> 3 3 6 9 12 30 60 90 120 4.5 6 7.5 45 60 75
创建于 2022-09-18，使用reprex v2.0.2
我不知道如何使用突变来解决这个问题，但我可以向您展示一种使用data.table的方法。
首先，我将解释我处理这个问题的方法：
>
首先，对于以a开头的列，您要查找（a1， a2）的平均值、的平均值（a1， a2， a3）等。我将简化为仅调用这些（1,2）的平均值、（1,2,3）的平均值等。从表面上看，我们可以重新措辞，因为您需要跨列分组的累积平均值。
我们可以尝试按组使用 cummean，但这仅适用于行。
因此，我们只需将数据集重设为长格式，执行＜code＞cummean
导入包：
library(data.table)
library(dplyr)
将您的数据帧转换为data.table格式：
setDT(df)
向数据框添加行号:
df[, row_id := .I]
重新调整为长格式:
df2 = melt.data.table(df, id.vars = "row_id")
此时，您的数据如下所示：
row_id variable value
1: 1 a1 1
2: 2 a1 2
3: 3 a1 3
4: 1 a2 4
5: 2 a2 5
6: 3 a2 6
7: 1 a3 7
8: 2 a3 8
9: 3 a3 9
10: 1 a4 10
11: 2 a4 11
12: 3 a4 12
13: 1 b1 10
14: 2 b1 20
15: 3 b1 30
16: 1 b2 40
17: 2 b2 50
18: 3 b2 60
19: 1 b3 70
20: 2 b3 80
21: 3 b3 90
22: 1 b4 100
23: 2 b4 110
24: 3 b4 120
让我们从数字中分离出字母，以便我们可以按字母创建组：
df2[, group := substr(variable, 1, 1)]
df2[, number := as.numeric(gsub("[[:alpha:]]", "", variable))]
在这一点上，我们有：
row_id variable value group number
1: 1 a1 1 a 1
2: 2 a1 2 a 1
3: 3 a1 3 a 1
4: 1 a2 4 a 2
5: 2 a2 5 a 2
6: 3 a2 6 a 2
7: 1 a3 7 a 3
8: 2 a3 8 a 3
9: 3 a3 9 a 3
10: 1 a4 10 a 4
11: 2 a4 11 a 4
12: 3 a4 12 a 4
13: 1 b1 10 b 1
14: 2 b1 20 b 1
15: 3 b1 30 b 1
16: 1 b2 40 b 2
17: 2 b2 50 b 2
18: 3 b2 60 b 2
19: 1 b3 70 b 3
20: 2 b3 80 b 3
21: 3 b3 90 b 3
22: 1 b4 100 b 4
23: 2 b4 110 b 4
24: 3 b4 120 b 4
现在，我们可以通过row_id和分组来获取累积值均值：
df2[, avg_val :=cummean(value), by=c("row_id", "group")]
然后我们创建您的列命名约定，如下所示：
df2[, col_name := paste0(group, min(number), "_", number)]
在这一点上，我们有：
row_id variable value group number avg_val col_name
1: 1 a1 1 a 1 1.0 a1_1
2: 2 a1 2 a 1 2.0 a1_1
3: 3 a1 3 a 1 3.0 a1_1
4: 1 a2 4 a 2 2.5 a1_2
5: 2 a2 5 a 2 3.5 a1_2
6: 3 a2 6 a 2 4.5 a1_2
7: 1 a3 7 a 3 4.0 a1_3
8: 2 a3 8 a 3 5.0 a1_3
9: 3 a3 9 a 3 6.0 a1_3
10: 1 a4 10 a 4 5.5 a1_4
11: 2 a4 11 a 4 6.5 a1_4
12: 3 a4 12 a 4 7.5 a1_4
13: 1 b1 10 b 1 10.0 b1_1
14: 2 b1 20 b 1 20.0 b1_1
15: 3 b1 30 b 1 30.0 b1_1
16: 1 b2 40 b 2 25.0 b1_2
17: 2 b2 50 b 2 35.0 b1_2
18: 3 b2 60 b 2 45.0 b1_2
19: 1 b3 70 b 3 40.0 b1_3
20: 2 b3 80 b 3 50.0 b1_3
21: 3 b3 90 b 3 60.0 b1_3
22: 1 b4 100 b 4 55.0 b1_4
23: 2 b4 110 b 4 65.0 b1_4
24: 3 b4 120 b 4 75.0 b1_4
我们可以去掉number=1的行，因为它们代表原始数据。从那里，我们可以将其转换为宽格式，并合并回原始数据：
df2 = df2[number != 1]
result = dcast.data.table(df2, row_id ~ col_name, value.var = "avg_val")
result = merge(df, result, by = "row_id")
result[, row_id := NULL]
最终的结果是：
a1 a2 a3 a4 b1 b2 b3 b4 a1_2 a1_3 a1_4 b1_2 b1_3 b1_4
1: 1 4 7 10 10 40 70 100 2.5 4 5.5 25 40 55
2: 2 5 8 11 20 50 80 110 3.5 5 6.5 35 50 65
3: 3 6 9 12 30 60 90 120 4.5 6 7.5 45 60 75
-
问题内容： 我正在尝试使用下面的代码来计算用户输入的一组值的平均值，并将其显示在中，但它无法正常工作。假设用户输入7、4和5，该程序在应显示5.3时显示平均值。 代码有什么问题？ 问题答案： 当您拥有增强的for循环时，为什么还要对索引使用笨拙的for循环？
-
我试图使用下面的代码来计算用户输入的一组值的平均值，并将其显示在中，但它不能正常工作。例如，用户输入7、4和5，程序显示1作为平均值，而它应该显示5.3
-
我有一个由66个变量的10299个观测值组成的数据框。其中一些变量共享一个通用的列名，我想计算每个观测值的这些变量的平均值。 具有以下矩阵，列名： 我想得到： 我尝试了循环，命令，但没有得到所需的结果。 抱歉，如果这个问题看起来太基本了，我已经在谷歌上查过可能的解决方案，但没有找到任何解决方案。
-
问题内容： Y1961 Y1962 Y1963 Y1964 Y1965 Region 0 82.567307 83.104757 83.183700 83.030338 82.831958 US 1 2.699372 2.610110 2.587919 2.696451 2.846247 US 2 14.131355 13.690028 13.599516 13.649176 13.649046
-
问题内容： 任何人都知道如何计算这些列之一的平均值（在Linux上）？ 例如：mean（第2栏） 问题答案： Awk： 读为： 对于每一行，将第2列添加到变量“总计”中。 在文件末尾，打印“总计”除以记录数。
-
我们的教授在一个文本文件中给了我们一份982个数字的列表，我们已经阅读了文件中的文本，并打印出了一些关于数字的信息。到目前为止，除了奇数的总数之外，我的一切都是正确的（她给了我们正确的答案）。我不知道如何得到奇数的平均值，即48201.56。 我一直得到的结果是97354，这很奇怪，因为我用的方法和所有数字的平均值和偶数的平均值是一样的。 我想知道为什么“总平均数”的答案不是48201.56。谢谢