python - 基于R中列均值的简单索引计算

Question

我有一个包含大约 10 列的数据框。都是数字类型，表示不同的地理区域。有些是相对值，例如具有一定程度的居民的百分比，有些是总值，例如总人口。它或多或少像这样:

median_age bachelor_rate  emp_rate                       
1       35.2    0.05223252 0.6185185 
2       22.5    0.40045249 0.7744094 
3       36.3    0.26750261 0.8210526 
4       36.8    0.07753825 0.5801861 
5       29.9    0.04805492 0.3593074 
6       26.8    0.00000000 0.4762367 
> 

我想做的是为每一列计算一个“索引”。我想我会取每列的平均值，然后计算每个单元格值的平均值的差异。median_age-column 第一个单元格的 E.G:

mean_age = mean(df$mean_age)
median_age_1 = df$median_age[1]
index = median_age_1/mean_age

除了所有数学和索引相关的问题。我如何编写一个函数来为所有列和所有单元格执行此操作？

Answer 1

如果您选择使用 R，我认为以下是一种方法。 mutate_all() 所做的是遍历所有列并执行完全相同的工作。所以你想认为 . 成为每个列的名称，而 R 正在循环数据。对于每一列，您可以使用 mean() 找到平均值。由于您想将每列中的每个值除以其平均值，您可以将想法表达为 ~./mean(.)。因为我给这个函数加了一个名字。 R 创建了三个新列。如果要覆盖原始列，可以执行以下操作:mutate_all(mydf, .funs = list(~./mean(.)))。

library(dplyr)

mutate_all(mydf, .funs = list(index = ~./mean(.)))

  median_age bachelor_rate  emp_rate median_age_index bachelor_rate_index emp_rate_index
1       35.2    0.05223252 0.6185185           1.1264           0.3705394      1.0224261
2       22.5    0.40045249 0.7744094           0.7200           2.8408247      1.2801176
3       36.3    0.26750261 0.8210526           1.1616           1.8976733      1.3572199
4       36.8    0.07753825 0.5801861           1.1776           0.5500592      0.9590617
5       29.9    0.04805492 0.3593074           0.9568           0.3409034      0.5939439
6       26.8    0.00000000 0.4762367           0.8576           0.0000000      0.7872308

数据

mydf <- structure(list(median_age = c(35.2, 22.5, 36.3, 36.8, 29.9, 26.8
), bachelor_rate = c(0.05223252, 0.40045249, 0.26750261, 0.07753825, 
0.04805492, 0), emp_rate = c(0.6185185, 0.7744094, 0.8210526, 
0.5801861, 0.3593074, 0.4762367)), class = "data.frame", row.names = c("1", 
"2", "3", "4", "5", "6"))