将 R dataframe 中的两行替换为包含其平均值的一行

Question

我想知道用仅包含这两行平均值的一行替换 R 中的 dataframe 中的两行的最佳方法是什么？

例如，假设我有一个类似于此的 dataframe：

index<-c("id1", "id2", "id3", "id4")
a<-c(1,2,3,4)
b<-c(5,2,9,4)
df<-data.frame(index, a,b)

我想用一行替换行 id2 和 id3，id.average 包含 id2 ((2+3)/2) 和 id3 ((2+9)2) 的平均值，所以我希望我的 dataframe 最终看起来像这样：

index<-c("id1", "id.average", "id4")
a<-c(1,2.5,4)
b<-c(5,5.5,4)
df<-data.frame(index, a,b)

我计算这样的行的平均值：

df2<-df[c(-1)]
row.names(df2)<-df$index
average<-apply(df2[2:3,], 2, mean)

然后删除了第 2 行和第 3 行，但后来我的行顺序搞砸了（即不是让 id4 成为第 2 行，它仍然是第 4 行 ..）并且不知道如何添加新行 id.average 以便它是第 2 行，在第 1 行 (id1) 和第 3 行 (id4) 之间

Answer 1

这是一个快速的 function ：

#' Replace 2 rows with 1 in a data.frame
#'
#' @param obj 'data.frame'
#' @param rownum 'integer', between 1 and the number of rows in 'obj'
#' @param func 'function', to apply to each column; this function must
#'   accept the 'na.rm=' argument; default 'mean'
#' @param fill if 'character' (including 'NA'), a static value to
#'   apply to non-numeric fields (including factors); if 'function', a
#'   function to run to programmatically determine the return value;
#'   this function is only called when there are two unique values to
#'   be reduced, so in the case of identical factors/strings, it is
#'   returned without using 'fill'
#' @param na.rm 'logical', passed directly to 'func'
#' @return 'data.frame' with either the same number of rows (if
#'   'rownum == nrow(obj)') or one fewer rows
rows2mean <- function(obj, rownum, func = mean, fill = NA, na.rm = TRUE) {
  if (length(rownum) > 1L) {
    warning("'rownum' has length > 1 and only the first element will be used")
    rownum <- rownum[1]
  }
  if (rownum < 1) {
    stop("'rownum' must be positive")
  } else if (rownum > nrow(obj)) {
    stop("'rownum' must not be greater than the number of rows")
  }
  # assumption: rownum is now in [1,nrow(obj)]
  before <- if (rownum > 1) obj[seq_len(rownum - 1L),,drop = FALSE] else NULL
  middle <- obj[unique(pmin(rownum + 0:1, nrow(obj))),,drop = FALSE]
  after <- if (rownum <= nrow(obj)) obj[-seq_len(rownum + 1L),,drop = FALSE] else NULL
  middle[] <- lapply(middle, function(el) {
    if (length(el) < 2) return(el)
    if (is.numeric(el)) return(func(el, na.rm = na.rm))
    if (el[[1]] == el[[2]]) return(el[[1]])
    if (is.function(fill)) return(fill(el)) else return(fill)
  })
  do.call(rbind.data.frame, list(before, as.data.frame(middle[1,,drop = FALSE]), after))
}

它故意允许选择最后一行，实际上是无操作。

在行动：

a<-c(1,2,3,4)
b<-c(5,2,9,4)
df<-data.frame(index=as.character(seq_along(a)), a, b)

rows2mean(df, 2)
#   index   a   b
# 1   id1 1.0 5.0
# 2  <NA> 2.5 5.5
# 4   id4 4.0 4.0

rows2mean(df, 4)               # no-op
#   index a b
# 1   id1 1 5
# 2   id2 2 2
# 3   id3 3 9
# 4   id4 4 4

并使用各种fill=选项：

rows2mean(df, 2, fill="unk")
#   index   a   b
# 1   id1 1.0 5.0
# 2   unk 2.5 5.5
# 4   id4 4.0 4.0

elem1 <- function(a) a[[1]]
rows2mean(df, 2, fill=elem1)
#   index   a   b
# 1   id1 1.0 5.0
# 2   id2 2.5 5.5
# 4   id4 4.0 4.0
rows2mean(df, 4, fill=elem1)   # still a no-op
#   index a b
# 1   id1 1 5
# 2   id2 2 2
# 3   id3 3 9
# 4   id4 4 4

有一个轻微的副作用：如果任何非数字列是factor s，则fill （或其返回值）将默默地添加到因子的levels 。 我相信这是一件好事，因为将其用作价值的意图是明确的。 （但是，我确实认为fill=的唯一两个实际用途是使用默认的fill=NA ，或者是提供上下文相关值的 function 。任何其他 static 返回值似乎都太粗略和错误了。）

Answer 2

您可以执行以下操作：

df$index = as.character(df$index)    
df_final = rbind(df[1,],c("id.average",apply(df[2:3,2:3],2,mean)),df[4,])

并得到以下 output：

> df_final
       index   a   b
1        id1   1   5
2 id.average 2.5 5.5
4        id4   4   4