R - 在多列上应用相同的 function

Question

这是我第一次在这里提问，我是 R 的初学者。

我有一个巨大的数据集，我想根据类别对多列的值进行一些概述：

sampleID|category|element_1|element_2|element_3|element_4|
----------------------------------------------------------
    1   |    A   |  12.53  |   46.17 |   94.09 |  25.23  |
    2   |    B   |  19.53  |   16.17 |   14.09 |  28.23  |
    3   |    C   |  21.53  |   56.17 |   24.09 |  26.23  |
    4   |    D   |  18.53  |   96.17 |   34.09 |  21.23  |
    5   |    B   |  17.53  |   76.17 |   44.09 |  24.23  |
    6   |    A   |  32.53  |   36.17 |   54.09 |  25.23  |

我一直在尝试做的是按每个类别获取每个元素的平均值，我一直在尝试的是围绕 R 中的tapply function 的事情：

tapply(data$element1, data$category, mean)

这为一个元素列提供了很好的结果，但我似乎无法找到如何在所有列上执行此操作的答案，而不是手动对每一列元素进行操作（按类别划分的 element1、element2、element3 等的平均值）。

我想要的是这样的：

category | element_1| element_2| element_3 
     A   |   mean   |   mean   |   mean
     B   |   mean   |   mean   |   mean
     C   |   mean   |   mean   |   mean

我已经尝试过apply和aggregate的版本，但无法使其正常工作。

任何建议表示赞赏，如果我需要提供更多信息，请告诉我！

Answer 1

如果您只想聚合列，可以使用 dplyr 库。

library(dplyr)
df = data.frame(sample_id = c(1,2,3,4),
                category = c("A", "B", "C", "A"),
                element1 = c(1,2,3,4),
                element2 = c(5,6,7,8),
                element3 = c(9,10,11,12))

summarise_if(df, is.numeric, mean)

或同等学历

df %>% summarise_if(is.numeric, mean)

这会将 function 均值应用于每个数字列。

Answer 2

如果您想要更多信息而不仅仅是平均值，您可以查看汇总统计信息。

让我们创建一些示例数据：

library(tidyverse)
set.seed(1)

my_data <- as_tibble(matrix(runif(100), ncol = 10,
                            dimnames = list(rows = NULL,
                                            cols = paste0("Var_", 1:10))))

现在，我们可以通过使用 summary 来查看完整的汇总统计信息：

summary(my_data)

# Alternatively 
my_data %>%
  summary

您可以使用来自 base（或来自colMeans包的 matrixStats）的matrixStats Rfast 。

my_data %>%
  colMeans

如果您只想对数据的子集执行此操作，则可以使用 select function

my_data %>%
  select(Var_1, Var_2) %>%
  colMeans

请注意，当您如上所述使用colMeans时，如果没有先选择仅数字变量，则会引发错误。 summary仍然可以正常工作。

编辑：

考虑到您的评论并重新阅读您的（更新的）问题，这可能更接近您正在寻找的内容。

library(tidyverse)

set.seed(1)

data <- tibble(
  sampleID = 1:6,
  category = c("A", "B", "C", "D", "B", "A"),
  element_1 = runif(6)*10,
  element_2 = runif(6)*10,
  element_3 = runif(6)*10,
  element_4 = runif(6)*10
  )

这给出了一个如下所示的数据集：

# A tibble: 6 x 6
  sampleID category element_1 element_2 element_3 element_4
     <int> <chr>        <dbl>     <dbl>     <dbl>     <dbl>
1        1 A             4.97     7.80       2.52      5.06
2        2 B             9.93     7.62       4.23      7.16
3        3 C             3.77     6.16       2.02      1.51
4        4 D             4.78     0.510      5.02      4.79
5        5 B             1.67     6.96       3.14      2.58
6        6 A             6.07     9.76       9.99      6.47

现在，我们只需做一个小改动并使用group_by() function

data %>%
  group_by(category) %>%
  summarize_if(is.numeric, mean)

这将给出所需的 output：

  category sampleID element_1 element_2 element_3 element_4
  <chr>       <dbl>     <dbl>     <dbl>     <dbl>     <dbl>
1 A             3.5      5.52     8.78       6.26      5.77
2 B             3.5      5.80     7.29       3.69      4.87
3 C             3        3.77     6.16       2.02      1.51
4 D             4        4.78     0.510      5.02      4.79