R dplyr rowwise mean or min 等方法？

Question

如何使用 dplyr 获取 data.frame 上每一行的最小（或平均值）值？ 我的意思是相同的结果

apply(mydataframe, 1, mean) 
apply(mydataframe, 1, min)

我试过了

mydataframe %>% rowwise() %>% mean

要么

mydataframe %>% rowwise() %>% summarise(mean)

或其他组合，但我总是出错，我不知道正确的方法。

我知道我也可以使用 rowMeans，但没有简单的“rowMin”等价物。 还有一个 matrixStats 包，但大多数函数不接受 data.frames，只接受矩阵。

如果我想计算我可以使用的最小行
do.call(pmin, mydataframe) 对于行向均值，有没有像这样简单的东西？

do.call(mean, mydataframe) 

不起作用，我想我需要一个 pmean 函数或更复杂的东西。

谢谢

为了比较结果，我们都可以在同一个例子上工作：

set.seed(124)
df <- data.frame(A=rnorm(10), B=rnorm(10), C=rnorm(10))

Answer 1

我想这就是你想要完成的：

df <- data.frame(A=rnorm(10), B=rnorm(10), C=rnorm(10))

library(dplyr)
df %>% rowwise() %>% mutate(Min = min(A, B, C), Mean = mean(c(A, B, C)))

#             A          B           C        Min        Mean
# 1   1.3720142  0.2156418  0.61260582  0.2156418  0.73342060
# 2  -1.4265665 -0.2090585 -0.05978302 -1.4265665 -0.56513600
# 3   0.6801410  1.5695065 -2.70446924 -2.7044692 -0.15160724
# 4   0.0335067  0.8367425 -0.83621791 -0.8362179  0.01134377
# 5  -0.2068252 -0.2305140  0.23764322 -0.2305140 -0.06656532
# 6  -0.3571095 -0.8776854 -0.80199141 -0.8776854 -0.67892877
# 7   1.0667424 -0.6376245 -0.41189564 -0.6376245  0.00574078
# 8  -1.0003376 -1.5985281  0.90406055 -1.5985281 -0.56493504
# 9  -0.8218494  1.1100531 -1.12477401 -1.1247740 -0.27885677
# 10  0.7868666  0.6099156 -0.58994138 -0.5899414  0.26894694

Answer 2

似乎有dplyr说，从长远来看，某些dplyr函数（如rowwise可能会被弃用（ 此处显示的这种隆隆声）。 相反，来自purrr的map函数系列中的某些函数（例如pmap函数）可用于执行此类计算：

library(tidyverse)

df %>% mutate(Min = pmap(df, min), Mean = rowMeans(.))

#              A          B           C        Min       Mean
# 1  -1.38507062  0.3183367 -1.10363778  -1.385071 -0.7234572
# 2   0.03832318 -1.4237989  0.44418506  -1.423799 -0.3137635
# 3  -0.76303016 -0.4050909 -0.20495061 -0.7630302 -0.4576905
# 4   0.21230614  0.9953866  1.67563243  0.2123061  0.9611084
# 5   1.42553797  0.9588178 -0.13132225 -0.1313222  0.7510112
# 6   0.74447982  0.9180879 -0.19988298  -0.199883  0.4875616
# 7   0.70022940 -0.1509696  0.05491242 -0.1509696  0.2013907
# 8  -0.22935461 -1.2230688 -0.68216549  -1.223069 -0.7115296
# 9   0.19709386 -0.8688243 -0.72770415 -0.8688243 -0.4664782
# 10  1.20715377 -1.0424854 -0.86190429  -1.042485 -0.2324120

平均数是一个特例（因此使用了碱功能的rowMeans ），由于mean上data.frame对象用R 3.0弃用。

Answer 3

这个怎么样？

library(dplyr)
as.data.frame(t(mtcars)) %>%
  summarise_all(funs(mean))

为了更加清晰，您可以在最后添加另一个t() ：

as.data.frame(t(mtcars)) %>%
  summarise_all(funs(mean)) %>%
  t()

Answer 4

使用dplyr 1.0.0，您可以将rowwise与c_across rowwise使用：

library(dplyr)

df %>%
  rowwise() %>%
  mutate(Min = min(c_across(A:C)), 
          Mean = mean(c_across(A:C)))

#       A      B       C    Min   Mean
#     <dbl>  <dbl>   <dbl>  <dbl>  <dbl>
# 1 -1.39    0.318 -1.10   -1.39  -0.723
# 2  0.0383 -1.42   0.444  -1.42  -0.314
# 3 -0.763  -0.405 -0.205  -0.763 -0.458
# 4  0.212   0.995  1.68    0.212  0.961
# 5  1.43    0.959 -0.131  -0.131  0.751
# 6  0.744   0.918 -0.200  -0.200  0.488
# 7  0.700  -0.151  0.0549 -0.151  0.201
# 8 -0.229  -1.22  -0.682  -1.22  -0.712
# 9  0.197  -0.869 -0.728  -0.869 -0.466
#10  1.21   -1.04  -0.862  -1.04  -0.232

Answer 5

一个dplyr和purrr选项，其中可以使用选择助手：

df %>%
 mutate(Min = select(., everything()) %>% reduce(pmin),
        Max = select(., everything()) %>% reduce(pmax))

             A          B           C        Min        Max
1  -1.38507062  0.3183367 -1.10363778 -1.3850706  0.3183367
2   0.03832318 -1.4237989  0.44418506 -1.4237989  0.4441851
3  -0.76303016 -0.4050909 -0.20495061 -0.7630302 -0.2049506
4   0.21230614  0.9953866  1.67563243  0.2123061  1.6756324
5   1.42553797  0.9588178 -0.13132225 -0.1313222  1.4255380
6   0.74447982  0.9180879 -0.19988298 -0.1998830  0.9180879
7   0.70022940 -0.1509696  0.05491242 -0.1509696  0.7002294
8  -0.22935461 -1.2230688 -0.68216549 -1.2230688 -0.2293546
9   0.19709386 -0.8688243 -0.72770415 -0.8688243  0.1970939
10  1.20715377 -1.0424854 -0.86190429 -1.0424854  1.2071538

Answer 6

认为找到了一个解决方案 - 只需转置您的 data.frame：

x <- data_frame(x = rnorm(10), 
            y = rnorm(10))

# A tibble: 10 × 2
        x             y
    <dbl>         <dbl>
1  -1.1240392  0.9306028477
2  -0.8213379  0.2500495105
3  -0.8289104 -0.3693704483
4  -0.6486601 -1.1421141986
5   0.5098542 -0.3703368343
6  -0.3644690 -0.0003744377
7   0.7404057  0.1166905738
8  -0.2475214 -0.0802864865
9   0.2637841 -0.7717699521
10  1.4092874  0.2998021578

x %>% 
  t() %>% 
  data.frame() %>% 
  mutate_all(funs(min)) %>% 
  unique() %>% 
  t()

         1
X1  -1.1240392
X2  -0.8213379
X3  -0.8289104
X4  -1.1421142
X5  -0.3703368
X6  -0.3644690
X7   0.1166906
X8  -0.2475214
X9  -0.7717700
X10  0.2998022

Answer 7

如何避免必须指定每个列名？ 像这样：

set.seed(124)
df <- data.frame(A=rnorm(10), B=rnorm(10), C=rnorm(10))

library(dplyr)

df %>%
  rowwise() %>%
  mutate(Mean = mean(
    eval(
      # The snippet can also be wrapped within a function
      parse(text = sprintf("c(%s)", paste(names(.), collapse = ",")))
    )
  ),
  ArgMin = which.min(
    eval(
      parse(text = sprintf("c(%s)", paste(names(.), collapse = ",")))
    )
  ))

要么

getColnamesExpr <- function(df_names) parse(text = sprintf("c(%s)", paste(df_names, collapse = ",")))

df %>%
  rowwise() %>%
  mutate(
    Mean = mean(eval(getColnamesExpr(names(.)))),
    argmin = which.min(eval(getColnamesExpr(names(.))))
  )