Question

这应该是一个基本问题，可能会有重复，但我似乎无法找到它们，所以请耐心等待我并指出正确的地方。谢谢！

我有一个数据框，其中包含可能有NAs和缺失值的整数。我正在计算行平均值（将NAs设置为零）和列平均值（跳过NAs）。我想创建一个包含整数的数据框（或表）以及行均值和列均值。这是一个示例数据框：

df <- data.frame(
  'ID' = c("123A","456B","789C","1011","1213")
  , 'Test 1' = c(55,65,60,NA,50)
  , 'Test 2' = c(45,48,50,52,55)
  , 'Test 3' = c(51,49,55,69,61)
 )
df
    ID Test.1 Test.2 Test.3
1 123A     55     45     51
2 456B     65     48     49
3 789C     60     50     55
4 1011     NA     52     69
5 1213     50     55     61

这是计算列的功能，意味着跳过NAs：

colMean <- function(df, na.rm = TRUE) {
  if (na.rm) {
    n <- rowSums(!is.na(df))
  } else {
    n <- ncol(df)
  }
  colMean <- colMeans(df, na.rm=na.rm)
  return(rbind(df, "colMean" = colMean))
}

这是计算行的函数，意味着将NAs设置为零：

rowMeanz <- function(df) {
  df[is.na(df)] <- 0
  return(cbind(df, "rowMean" = rowMeans(df)))
}

一个问题是rbind改变了数据类型，因为整数在标记为“Test.1”的列中被转换为浮点（或看起来像是）：

colMean(df[sapply(df, is.numeric)])
        Test.1 Test.2 Test.3
1         55.0     45     51
2         65.0     48     49
3         60.0     50     55
4           NA     52     69
5         50.0     55     61
colMean   57.5     50     57

在你的回答中，我非常感谢解释为什么在这种情况下只有第一列似乎受到影响。它与列中NA的存在有关吗？

我没有观察到基于cbind的其他函数的相同问题：

rowMeanz(df[sapply(df, is.numeric)])
  Test.1 Test.2 Test.3  rowMean
1     55     45     51 50.33333
2     65     48     49 54.00000
3     60     50     55 55.00000
4      0     52     69 40.33333
5     50     55     61 55.33333

最终我想获得一个如下所示的数据框或表：

    ID Test.1 Test.2 Test.3  rowMean
1 123A     55     45     51 50.33333
2 456B     65     48     49 54.00000
3 789C     60     50     55 55.00000
4 1011     NA     52     69 40.33333
5 1213     50     55     61 55.33333
6 colMean  57.5   50     57

如果你能在不太多的步骤中告诉我如何做到这一点，我将不胜感激。我愿意接受R答案，以及基于包的答案。这些计算将在一个闪亮的应用程序内在线完成，所以我特别希望看到有效的方法。非常感谢！

Answer 1

不确定我的解决方案是否对您的问题特别有用，但以下是我的方法：

df <- data.frame(
  'Test 1' = c(55,65,60,NA,50),
  'Test 2' = c(45,48,50,52,55),
  'Test 3' = c(51,49,55,69,61)
)

#First, it might be a good idea to set the id as the rownames.
rownames(df) <- c("123A","456B","789C","1011","1213")

#Calculate the col and row means
colMean <- apply(df, 2, function(x) mean(x, na.rm = T))
df$rowMean <- apply(df, 1, function(x) mean(x, na.rm = T))
df <- rbind(df, colMeans)
rownames(df)[nrow(df)] <- "colMean"

Answer 2

最好将数据转换为所需方式的字符格式，然后将各个部分组合在一起。

df <- data.frame(
  row.names = c("123A","456B","789C","1011","1213")
  , 'Test 1' = c(55,65,60,NA,50)
  , 'Test 2' = c(45,48,50,52,55)
  , 'Test 3' = c(51,49,55,69,61)
 )

colm <- colMeans(df, na.rm=TRUE)
d0 <- df
d0[is.na(d0)] <- 0
rowm <- rowMeans(d0)

dd <- format(df)
dc <- formatC(colm, digits=1, format="f")
dr <- formatC(rowm, digits=4, format="f")
out <- cbind(rbind(dd, colMeans=dc), rowMeans=c(dr, ""))
print(out, right=FALSE)

##          Test.1 Test.2 Test.3 rowMeans
## 123A     55     45     51     50.3333 
## 456B     65     48     49     54.0000 
## 789C     60     50     55     55.0000 
## 1011     NA     52     69     40.3333 
## 1213     50     55     61     55.3333 
## colMeans 57.5   50.0   57.0

Answer 3

我想跟进我如何使用Aaron的建议来制作一个汇总数据的表格。它应该很容易扩展到其他统计数据，如min，max，skew等。

数据：

df <- data.frame(
    'ID' = c("123A","456B","789C","1011","1213")
    , 'Test 1' = c(13,8,14,NA,15)
    , 'Test 2' = c(13,4,16,7,12)
    , 'Test 3' = c(15,9,13,6,13)
)

计算统计数据的几个函数用于汇总数据：

colMean <- function(df, na.rm = TRUE) {# either remove or annull NAs
  if (!na.rm) {# annull NAs
    df[is.na(df)] <- 0
  }
  colMean <- colMeans(df, na.rm=na.rm)
  return(colMean)
}
rowMean <- function(df, na.rm = TRUE) {# either remove or annull NAs
  if (!na.rm) {# annull NAs
    df[is.na(df)] <- 0
  }
  rowMean <- rowMeans(df, na.rm=na.rm)
  return(rowMean)
}
rowSd <- function(df, na.rm = TRUE) {# either remove or annull NAs
  if (na.rm) {# remove NAs
    n <- rowSums(!is.na(df))
  } else {
    df[is.na(df)] <- 0
    n <- ncol(df)
  }
  rowMean <- rowMeans(df, na.rm=na.rm)
  rowVar <- rowMeans(df*df, na.rm=na.rm) - (rowMeans(df, na.rm=na.rm))^2
  rowSd <- sqrt(rowVar * n/(n-1))
  return(rowSd)
}
colSd <- function(df, na.rm = TRUE) {# either remove or annull NAs
  if (na.rm) {# remove NAs
    n <- colSums(!is.na(df))
  } else {
    df[is.na(df)] <- 0
    n <- nrow(df)
  }
  colMean <- colMeans(df, na.rm=na.rm)
  colVar <- colMeans(df*df, na.rm=na.rm) - (colMeans(df, na.rm=na.rm))^2
  colSd <- sqrt(colVar * n/(n-1))
  return(colSd)
}

摘要是数据框'df'，沿列统计'col'，沿行'stats'和填充字符'pad'的函数。 'pad'字符可以设置为带有“”的空单元格或设置为NA或其他内容。默认情况下，沿列删除NA，但默认情况下沿行设置为零。

summ <- function(df
  , col = list("colMean" = colMean)
  , row = list("rowMean" = rowMean)
  , pad = NA_character_)
{
  dfN <- df[sapply(df, is.numeric)]
  colN <-lapply(col, function(x){formatC(x(dfN, na.rm = TRUE), 'digits' = 1, 'format' = "f")})
  rowN <-lapply(row, function(x){formatC(x(dfN, na.rm = FALSE), 'digits' = 1, 'format' = "f")})
  pad <- rep(pad,'length' = length(colN))
  out <- cbind(rbind(format(dfN),do.call(rbind,colN)), lapply(rowN,function(x){c(x,pad)}))
  return(print(out, 'right' = FALSE))
}

用法示例：

c <- list("colMean" = colMean, "colSd" = colSd)
r <- list("rowMean" = rowMean, "rowSd" = rowSd)
summ(df)
summ(df,c,r)
summ(df,'col'=c,'row'=r)
summ(df,'col'=c,'row'=r, 'pad'="X")
        Test.1 Test.2 Test.3 rowMean rowSd
1       13     13     15     13.7    1.2
2        8      4      9     7.0     2.6
3       14     16     13     14.3    1.5
4       NA      7      6     4.3     3.8
5       15     12     13     13.3    1.5
colMean 12.5   10.4   11.2   X       X
colSd   3.1    4.8    3.6    X       X

当然，请随意发表评论。谢谢！

绑定具有不同数据类型的数据帧

3 个答案: