r - 获取列表示非零数据

Question

R可以获取数据帧非零值的colMeans吗？

data<-data.frame(col1=c(1,0,1,0,3,3),col2=c(5,0,5,0,7,7))
colMeans(data)   # 1.33,4

我想要类似的东西:

mean(data$col1[data$col1>0]) # 2
mean(data$col2[data$col2>0]) # 6

先谢谢了

解决方案基准:

n <- 2E4
m <- 1E3
data <- matrix(runif(n*m),nrow = n)

system.time (col_means <- colSums(data)/colSums(!!data) ) 
#   user  system elapsed 
# 0.087   0.007   0.094 

system.time (   colMeans(NA^(data==0)*data, na.rm=TRUE)) 
#   user  system elapsed 
#  0.167   0.084   0.251 

system.time (vapply(data, function(x) mean(x[x!=0]), numeric(1))) 
#   user  system elapsed 
#126.519   0.737 127.715 

library(dplyr)
system.time (summarise_each(data, funs(mean(.[.!=0])))) # Gave error

Answer 1

您可以将0更改为NA，然后使用colMeans，因为它具有na.rm=TRUE的选项。在两步过程中，我们将“0”的数据元素转换为“NA”，然后获得除colMeans元素之外的NA。

  is.na(data) <- data==0
  colMeans(data, na.rm=TRUE) 
  #   col1 col2 
  #    2    6 

如果只需一步，我们可以对(0)和非零元素对应的值进行( data==0)，然后将逻辑矩阵( NA)更改为 NA^和1，然后与原始数据相乘，从而更改1个值到那个位置上的元素，NA保持原样。我们可以像上面那样在输出上执行 colMeans。

   colMeans(NA^(data==0)*data, na.rm=TRUE)
   #  col1 col2 
   #   2    6 

另一种选择是使用 sapply/vapply。如果数据集确实很大，则转换为 matrix可能不是一个好主意，因为它可能会导致内存问题。通过使用 sapply或更具体的 vapply(将会更快一些)遍历这些列，我们得到了非零元素的 mean。

 vapply(data, function(x) mean(x[x!=0]), numeric(1))
 #  col1 col2 
 #  2    6 

或者我们可以使用 summarise_each并在设置非零元素后指定 funs内部的函数。

 library(dplyr)
 summarise_each(data, funs(mean(.[.!=0])))
 #  col1 col2
 #1    2    6