- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
使用 R 分析数据时,我需要为具有相似名称(例如,相同前缀)的列计算按行汇总的统计信息(平均值、最小值、最大值、标准差)。虽然我可以使用诸如 matrixStats 之类的包来实现它,但我想知道是否有更优雅的方法来使用 dplyr 来实现它。下面附上了生成示例数据集的代码和我计算按行汇总统计的解决方案。谢谢!
######SAMPEL CODE#####
library("tidyverse")
library("matrixStats")
# create a sample dataset
sample_data <- data.frame(matrix(nrow = 10, ncol = 6))
names(sample_data) <- c("ID", "score_1", "score_2", "score_3", "score_4", "score_5")
sample_data <- sample_data %>%
mutate(ID = seq(1:10),
score_1 = round(runif(10, 1, 5)),
score_2 = round(runif(10, 1, 5)),
score_3 = round(runif(10, 1, 5)),
score_4 = round(runif(10, 1, 5)),
score_5 = round(runif(10, 1, 5)))
score_columns <- grep("score_", names(sample_data))
sample_data <- sample_data %>%
mutate(mean_score = rowMeans(select(., starts_with("score_")), na.rm = TRUE),
max_score = rowMaxs(as.matrix(sample_data[,c(score_columns)]), na.rm = TRUE),
sd_score = rowSds(as.matrix(sample_data[,c(score_columns)]), na.rm = TRUE))
最佳答案
您可以使用 dplyr row-wise operations 按行计算这些统计数据结合 c_across function ,例如
library(tidyverse)
library(matrixStats)
#>
#> Attaching package: 'matrixStats'
#> The following object is masked from 'package:dplyr':
#>
#> count
# create a sample dataset
sample_data <- data.frame(matrix(nrow = 10, ncol = 6))
names(sample_data) <- c("ID", "score_1", "score_2", "score_3", "score_4", "score_5")
sample_data <- sample_data %>%
mutate(ID = seq(1:10),
score_1 = round(runif(10, 1, 5)),
score_2 = round(runif(10, 1, 5)),
score_3 = round(runif(10, 1, 5)),
score_4 = round(runif(10, 1, 5)),
score_5 = round(runif(10, 1, 5)))
score_columns <- grep("score_", names(sample_data))
output <- sample_data %>%
mutate(mean_score = rowMeans(select(., starts_with("score_")), na.rm = TRUE),
max_score = rowMaxs(as.matrix(sample_data[,c(score_columns)]), na.rm = TRUE),
sd_score = rowSds(as.matrix(sample_data[,c(score_columns)]), na.rm = TRUE))
output
#> ID score_1 score_2 score_3 score_4 score_5 mean_score max_score sd_score
#> 1 1 1 5 4 3 2 3.0 5 1.5811388
#> 2 2 3 5 1 5 2 3.2 5 1.7888544
#> 3 3 2 5 3 2 4 3.2 5 1.3038405
#> 4 4 3 4 3 3 5 3.6 5 0.8944272
#> 5 5 2 3 2 2 3 2.4 3 0.5477226
#> 6 6 4 2 4 3 2 3.0 4 1.0000000
#> 7 7 2 2 1 3 1 1.8 3 0.8366600
#> 8 8 3 4 1 3 4 3.0 4 1.2247449
#> 9 9 3 2 3 4 2 2.8 4 0.8366600
#> 10 10 5 2 3 3 4 3.4 5 1.1401754
output2 <- sample_data %>%
rowwise() %>%
mutate(mean_score = mean(c_across(starts_with("score_"))),
max_score = max(c_across(!!score_columns)),
sd_score = sd(c_across(!!score_columns)))
output2
#> # A tibble: 10 × 9
#> # Rowwise:
#> ID score_1 score_2 score_3 score_4 score_5 mean_score max_score sd_score
#> <int> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 1 1 5 4 3 2 3 5 1.58
#> 2 2 3 5 1 5 2 3.2 5 1.79
#> 3 3 2 5 3 2 4 3.2 5 1.30
#> 4 4 3 4 3 3 5 3.6 5 0.894
#> 5 5 2 3 2 2 3 2.4 3 0.548
#> 6 6 4 2 4 3 2 3 4 1
#> 7 7 2 2 1 3 1 1.8 3 0.837
#> 8 8 3 4 1 3 4 3 4 1.22
#> 9 9 3 2 3 4 2 2.8 4 0.837
#> 10 10 5 2 3 3 4 3.4 5 1.14
由 reprex package 创建于 2022-01-31 (v2.0.1)
由于这是一个特定于 dplyr 的解决方案,您可以合并进一步的数据操作(例如 filter()
以选择特定的行),而其他解决方案将失败或需要笨拙的解决方法,例如
library(tidyverse)
library(matrixStats)
#>
#> Attaching package: 'matrixStats'
#> The following object is masked from 'package:dplyr':
#>
#> count
# create a sample dataset
sample_data <- data.frame(matrix(nrow = 10, ncol = 6))
names(sample_data) <- c("ID", "score_1", "score_2", "score_3", "score_4", "score_5")
sample_data <- sample_data %>%
mutate(ID = seq(1:10),
score_1 = round(runif(10, 1, 5)),
score_2 = round(runif(10, 1, 5)),
score_3 = round(runif(10, 1, 5)),
score_4 = round(runif(10, 1, 5)),
score_5 = round(runif(10, 1, 5)))
score_columns <- grep("score_", names(sample_data))
output <- sample_data %>%
filter(ID < 6) %>%
mutate(mean_score = rowMeans(select(., starts_with("score_")), na.rm = TRUE),
max_score = rowMaxs(as.matrix(sample_data[,c(score_columns)]), na.rm = TRUE),
sd_score = rowSds(as.matrix(sample_data[,c(score_columns)]), na.rm = TRUE))
#> Error: Problem with `mutate()` column `max_score`.
#> ℹ `max_score = rowMaxs(as.matrix(sample_data[, c(score_columns)]), na.rm = TRUE)`.
#> ℹ `max_score` must be size 5 or 1, not 10.
output2 <- sample_data %>%
filter(ID < 6) %>%
rowwise() %>%
mutate(mean_score = mean(c_across(starts_with("score_"))),
max_score = max(c_across(!!score_columns)),
sd_score = sd(c_across(!!score_columns)))
output2
#> # A tibble: 5 × 9
#> # Rowwise:
#> ID score_1 score_2 score_3 score_4 score_5 mean_score max_score sd_score
#> <int> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 1 5 2 5 5 1 3.6 5 1.95
#> 2 2 1 2 4 1 2 2 4 1.22
#> 3 3 1 2 2 4 5 2.8 5 1.64
#> 4 4 5 4 3 3 5 4 5 1
#> 5 5 4 2 2 5 4 3.4 5 1.34
由 reprex package 创建于 2022-01-31 (v2.0.1)
关于r - 使用 dplyr 计算共享相似名称的列的按行汇总统计信息,例如平均值、最大值、最小值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/70919456/
我有以下数据框: library(dplyr) df % rename_all(funs(stringr::str_replace_all(., "gh", "v"))) 我想结合使用 renam
我有以下数据框: library(dplyr) df % rename_all(funs(stringr::str_replace_all(., "gh", "v"))) 我想结合使用 renam
我有一个数据( df_1 ): df_1 % select_at(.vars = 'var_1') var_1 1 99.47262 10 25.91552 没关系。但: df_1
我正在尝试安装dplyr软件包,但收到一条错误消息,提示“库(dplyr)中存在错误:没有名为dplyr的软件包”。我正在使用窗口系统和Ri386 3.5.2。我尝试按照其他人的建议使用代码insta
假设我想以并行方式申请 myfunction到 myDataFrame 的每一行.假设 otherDataFrame是一个包含两列的数据框:COLUNM1_odf和 COLUMN2_odf出于某些原因
我目前正在构建一个包,我想知道是否有办法调用 %>%来自 dplyr 的操作符,而无需实际附加 dplyr 包。例如,对于从包中导出的任何函数,您可以使用双冒号 ( :: ) 调用它。所以如果我想使用
library(dplyr) mtcars %>% group_by(vs) %>% do(tt=t.test(mpg~am, data=.)) %>% mutate(t=tt$statist
我正在尝试为一组标准曲线构建一系列线性模型。 目前这段代码正在产生我想要的输出(每个线性模型的截距和斜率): slopes % group_by(plate, col, row, conc_ug_mL
我正在寻找替换我的一些使用 dplyr::do 的 R 代码,因为这个函数很快就会被弃用。我的很多工作都需要创建分层 CDF 图。使用 dply:do 时,我分层的变量作为变量传递给结果数据框,然后我
问题 我正在尝试使用 dplyr::mutate()和 dplyr::case_when()在数据框中创建新的数据列,该列使用存储在另一个对象(“查找列表”)中的数据填充,并基于数据框中列中的信息。
最近我发现了很棒的 dplyr.spark.hive启用 dplyr 的软件包前端操作 spark或 hive后端。 在包的 README 中有关于如何安装此包的信息: options(repos =
我正在尝试在 dplyr 链中使用 data.frame 两次。这是一个给出错误的简单示例 df % group_by(Type) %>% summarize(X=n()) %>% mu
当我浏览答案时 here , 我找到了 this solution与 data.frame 完全符合预期. library(dplyr) # dplyr_0.4.3 library(data.tab
我的数据来自一个数据库,根据我运行 SQL 查询的时间,该数据库可能包含一周到另一周不同的 POS 值。 不知道哪些值将在变量中使得自动创建报告变得非常困难。 我的数据如下所示: sample % p
我想定义与“扫帚”包中类似的功能 library(dplyr) library(broom) mtcars %>% group_by(am) %>% do(model = lm(mpg ~ w
set.seed(123) df % group_by(id) %>% mutate(roll.sum = c(x[1:4], zoo::rollapply(x, 5, sum))) # Groups
先来个样本数据 set.seed(123) dat 1 -4 2 6 3 -2 4
我有一个带列的数据框 x1, x2, group我想生成一个带有额外列的新数据框 rank表示x1的顺序在其组中。 有相关问题here ,但已接受的答案似乎不再有效。 到这里为止,很好: librar
我有一个示例 df,如下所示: d% group_by(CaseNo) %>% arrange(desc(Submissiondate)) %>% dplyr::mutate(rank = row_n
我有一个数据框,其中包含一些数据输入错误。 我希望将每组的这些异常值替换为每组最常见的值。 我的数据如下: df % group_by(CODE) %>% mutate(across(c(DOSAGE
我是一名优秀的程序员,十分优秀!