r - 排除我的因素后的平均值

Question

我希望在排除我的因素后取平均值。这是我的数据:

dff= data.frame(v1 =c("a,b,d","b,a,g", "f,d") , v2 = c(1,2,3) )

例如，对于 a，我希望取没有 a 的行的平均值，即第 3 行，平均值为 3。对于 f > 我希望取没有 f 的行的平均值，即 rrow 1 和 3，V2 的平均值为 (1 + 3)/2 =1.5 我的理想输出将是

factor   avg

  a       3
  b       3
  d       2
  f       1.5
  g       2

我尝试了两种方法:第一种:

dff2 <- cSplit(dff, "v1",   " , ", "long")

c <- setDT(dff2)[,  .(value = (sum(dff2$v2) - sum(v2))/(nrow(dff2)-.N)) , by =  v1]

第二个:

library(tidyverse)

dff %>% separate_rows(v1,  convert = TRUE) %>%    
                     group_by(v1) %>%   
                     summarise(avg = mean(.$v2[!.$v1 %in% v1]))  

他们都没有给我带来理想的结果

Answer 1

首先，我们可以使用以下方法获取因子集合:

fac <- unique(unlist(strsplit(as.character(dff$v1),split=",")))
##[1] "a" "b" "d" "g" "f"

然后，我们可以使用以下方法计算您想要的内容:

avg <- sapply(fac, function(f) mean(ifelse(grepl(f,dff$v1), NA, dff$v2),na.rm=TRUE))
##  a   b   d   g   f 
##3.0 3.0 2.0 2.0 1.5 

在这里，我们使用 grepl 来确定是否在 dff$v1 中找到每个 fac。如果是，则 ifelse 返回该行的 NA，如果不是，则返回该行的 dff$v2 值。然后，我们可以计算平均值，忽略fac在dff$v1中找到的那些行的NA ，如你所愿。

或者，如果您愿意，我们可以将结果放入 data.frame 中:

data.frame(factor=fac,avg=avg)
##  factor avg
##a      a 3.0
##b      b 3.0
##d      d 2.0
##g      g 2.0
##f      f 1.5

<小时/>

为了使用 %in% 进行精确匹配，请考虑数据:

## Note use of stringsAsFactors=FALSE to avoid having to coerce to character
## for strsplit
dff <- data.frame(v1 =c("a,b,d","b,a,g", "a.b,f,d"), v2 = c(1,2,3), stringsAsFactors=FALSE)

fac <- unique(unlist(strsplit(dff$v1,split=",")))
##[1] "a"   "b"   "d"   "g"   "a.b" "f"  
avg <- sapply(fac, function(f) mean(ifelse(sapply(strsplit(dff$v1,split=","), function(d) f %in% d), NA, dff$v2),na.rm=TRUE))
##  a   b   d   g a.b   f 
##3.0 3.0 2.0 2.0 1.5 1.5