如何在R中進行rowMeans的條件計算？

Question

我想計算跨越幾個變量rowMeans，但目前的數據只有在至少有80％是。 在第一個示例中，均值應該僅針對第一行進行計算。 在第二個中，不應計算任何均值。 我如何做到這一點？

x <- c(1, 2)
y <- c(1, 2)
z <- c(1, NA)
z1 <- c(1, NA)
z2 <- c(1, NA)
df <- data.frame(x, y, z, z1, z2)
df$means <- rowMeans(df)
df

  x y  z z1 z2 means
1 1 1  1  1  1     1
2 2 2 NA NA NA    NA

x <- c(1, 2)
y <- c(1, 2)
z <- c(1, 2)
z1 <- c(1, 2)
z2 <- c(1, NA)
df <- data.frame(x, y, z, z1, z2)
df$means <- rowMeans(df)
df

   x  y   z z1 z2    means
1  1  1   1  1  1      1
2  2  2   2  2  NA     2

Answer 1

也許像這樣？

transform(df, means = apply(df, 1, function(x)
    ifelse(sum(is.na(x)) / length(x) < 0.2, mean(x, na.rm = T), NA)))
#  x y  z z1 z2 means
#1 1 1  1  1  1     1
#2 2 2 NA NA NA    NA

說明：我們計算每行NA的分數，並且僅當分數<0.2（即該行包含至少80％的非NA值）時才返回行均值。

Answer 2

另一種完全矢量化的方法，我們首先計算所有行的均值。

df1$means <- rowMeans(df1, na.rm = TRUE)

現在，我們通過替換那些價值NA那里有不到80％的非NA每行秒。

old_cols <- setdiff(names(df1), "means")
NA_rows <- 1 - rowMeans(is.na(df1[, old_cols])) < 0.8
df1[NA_rows, "means"] <- NA
df1
#  x y  z z1 z2 means
#1 1 1  1  1  1     1
#2 2 2 NA NA NA    NA

數據

df1 <- structure(list(x = c(1, 2), y = c(1, 2), z = c(1, NA), z1 = c(1, 
NA), z2 = c(1, NA)), .Names = c("x", "y", "z", "z1", "z2"), row.names = c(NA, 
-2L), class = "data.frame")