我應該使用 unnest_wider 和 rowMeans 來獲取列表列的平均值嗎？

Question

我有一個簡單的數據集。 行名是一個有意義的索引，第 1 列有一個值列表。 我最終想要的是每個行名稱的列表的平均值。

現在的樣子：

行名	年
108457	[1200, 1200, 1540, 1890]
237021	[1600, 1270, 1270]

我最終希望它看起來像：

行名	年
108457	列表的平均值
237021	列表的平均值

目前，我正在嘗試使用unnest_wider(years) 。 我的計划是之后使用rowMeans()來查找未嵌套行的平均值。 然后我可以將行名和平均值與我的主數據集合並，所以我不太關心刪除新列。

但是，整個過程需要一段時間，而且我在使用unnest_wider時遇到了一些問題。 目前，當我嘗試時：

unnest_wider(dataset, colname)

我收到以下錯誤：

as_indices_impl()中的錯誤：。 必須使用有效的下標向量對列進行子集化。 ✖ 下標有錯誤的類型data.frame<years:list> 。 ℹ 必須是數字或字符。

當我嘗試時：

unnest_wider(colname)

我的計算機一直在無休止地運行，看起來它在計數......它不會停止，我必須退出應用程序才能終止處理。

我以前曾嘗試直接應用rowMeans 、使用mean(df$ColName)和使用apply(ColName, mean) 。

我想知道是否有更有效的方法？

可能是我一開始就不應該創建列表。 現在看起來是這樣，因為我將它從這種格式轉換而來：

A列	B列
108457	1200
108457	1200
108457	1540
237021	1600
108457	1890年
237021	1270

我使用pivot_wide r 轉換它，然后使用as.data.frame.(t(dataset))

我應該嘗試直接從這種格式中獲取平均值嗎？ 如果是這樣，我該怎么做？

Answer 1

對於每一行中的向量，您可以使用sapply遍歷每一行來計算平均值，然后只返回每個行名稱的平均值。

df$years <- sapply(df$years, mean, na.rm = TRUE)

Output

        years
108457 1457.5
237021 1380.0

數據

df <- structure(list(years = structure(list(c(1200, 1200, 1540, 1890
), c(1600, 1270, 1270)), class = "AsIs")), row.names = c("108457", 
"237021"), class = "data.frame")

或者我們可以使用data.table來獲取平均值，如果您的數據看起來像后者，長格式數據集。

library(data.table)

as.data.table(df2)[, list(ColumnB = mean(ColumnB)), by = ColumnA]

Output

   ColumnA ColumnB
1:  108457  1457.5
2:  237021  1435.0

數據

df2 <- structure(list(ColumnA = c(108457L, 108457L, 108457L, 237021L, 
108457L, 237021L), ColumnB = c(1200L, 1200L, 1540L, 1600L, 1890L, 
1270L)), class = "data.frame", row.names = c(NA, -6L))

Answer 2

如果您的原始數據看起來像后一個表中的那樣，您可以簡單地根據ColumnA按組找到平均值：

數據

df <- read.table(text = "ColumnA    ColumnB
108457  1200
108457  1200
108457  1540
237021  1600
108457  1890
237021  1270", header = TRUE)

基地 R

aggregate(df$ColumnB, list(df$ColumnA), FUN=mean) 

# Group.1      x
# 1  108457 1457.5
# 2  237021 1435.0

Dplyr

library(dplyr)
df %>% 
  group_by(ColumnA) %>%
  summarise(mean_years = mean(ColumnB))

#  ColumnA mean_years
#    <int>      <dbl>
#1  108457      1458.
#2  237021      1435