R：data.frame的聚合列

Question

我有一个看起来像这样的data.frame

> head(df)
            Memory    Memory    Memory    Memory    Memory     Naive     Naive
10472501  6.075714  5.898929  6.644946  6.023901  6.332126  8.087944  7.520194
10509163  6.168941  6.495393  5.951124  6.052527  6.404401  7.152890  8.335509
10496091 10.125575  9.966211 10.075613 10.310952 10.090649 11.803949 11.274480
10427035  6.644921  6.658567  6.569745  6.499243  6.990852  8.010784  7.798154
10503695  8.379494  8.153917  8.246484  8.390747  8.346748  9.540236  9.091740
10451763 10.986717 11.233819 10.643245 10.230697 10.541396 12.248487 11.823138  

我想找到Memory列的平均值和Naive列的平均值。 aggregate函数聚合行。 这个data.frame可能有大量的行，因此转置然后通过原始data.frame的colnames应用aggregate使我感觉很糟糕，并且通常很烦人：

> head(t(aggregate(t(df),list(colnames(df)), mean)))
         [,1]       [,2]      
Group.1  "Memory"   "Naive"   
10472501 "6.195123" "8.125439"
10509163 "6.214477" "7.733625"
10496091 "10.11380" "11.55348"
10427035 "6.672665" "8.266854"
10503695 "8.303478" "9.340436"

我错过了一件令人眼花缭乱的明显事情？

Answer 1

我是重新格式化数据的主要倡导者，因此它采用“长”格式。 当涉及到像这样的问题时，长格式的效用尤其明显。 幸运的是，使用reshape包将这样的数据重新塑造成几乎任何格式都很容易。

如果我理解你的问题，那么你想要每行的Memory和Naive的意思。 无论出于何种原因，我们需要为reshape::melt()唯一的列名。

colnames(df) <- paste(colnames(df), 1:ncol(df), sep = "_")

然后，您将必须创建一个ID列。 你可以做到

df$ID <- 1:nrow(df)

或者，如果这些rownames是有意义的

df$ID <- rownames(df)

现在，使用reshape包

library(reshape)
df.m <- melt(df, id = "ID")
df.m <- cbind(df.m, colsplit(df.m$variable, split = "_", names = c("Measure", "N")))
df.agg <- cast(df.m, ID ~ Measure, fun = mean)

df.agg现在应该看起来像你想要的输出snippit。

或者，如果你只想要所有行的整体意义，Zack的建议将起作用。 就像是

m <- colMeans(df)
tapply(m, colnames(df), mean)

您可以获得相同的结果，但格式化为数据框

cast(df.m, .~variable, fun = mean)

Answer 2

怎么样的

l <-lapply(unique(colnames(df)), function(x) rowMeans(df[,colnames(df) == x]))



df <- do.call(cbind.data.frame, l)

Answer 3

澄清Jonathan Chang的答案......你忽略的一个明显的事情就是你可以选择列并发出rowMeans命令。 那将为每一行提供均值的向量。 他的命令获取每组唯一列名的行方式，这正是我要编写的内容。 使用您的示例数据，他的命令结果是两个列表。

rowMeans也非常快。

要打破它，只获取所有内存列的方法

rowMeans(df[,colnames(df) == 'Memory']) #or from you example, rowMeans(df[,1:5])

这是最简单的完整正确答案，如果你愿意的话，将他投票并标记为正确答案。

（顺便说一句，我也很喜欢Jo的建议，即保留一些长期数据。）

Answer 4

m = matrix(1:12,3)
colnames(m) = c(1,1,2,2)

m

     1 1 2  2
[1,] 1 4 7 10
[2,] 2 5 8 11
[3,] 3 6 9 12

mt = t(m)
sapply(by(mt,rownames(mt),colMeans),identity)

     1    2
V1 2.5  8.5
V2 3.5  9.5
V3 4.5 10.5

Answer 5

我认为你已经加载了没有header=TRUE数据，你拥有的是一个因子矩阵，所以你的一般好主意失败了。