遍历 R 中数据集中的列

Question

我有一个看起来像我用以下代码创建的数据集：

cluster <- rep(c(1,1,1,2,2,1,3,3,2,3,3))
measure_t1 <- rep(c(4.3, 4.7, 4.5, 3.4, 3.3, 4.7, 2.2, 2.1, 3.6, 2.2, 2.2))
measure_t2 <- rep(c(4.0, 4.1, 4.2, 3.5, 3.5, 4.6, 2.1, 2.4, 3.7, 2.3, 2.2))
measure_t3 <- rep(c(4.3, 4.2, 4.9, 3.8, 3.5, 4.3, 2.2, 2.8, 3.8, 2.7, 2.4))
df <- data.frame(cluster=cluster, measure_t1=measure_t1, measure_t2=measure_t2, 
measure_t3=measure_t3)

因此，我在三个不同的样本场合、三个不同的位置 ("cluster") 对同一变量进行了测量，并在该位置进行了重复。

我基本上想向数据集添加三列，其中每个新列包含给定样本场合的每个聚类的平均值。换句话说，新列 "mean_t1" 应该包含每次 cluster==1 时集群 1 的 measure_t_1 的平均值，每次 cluster==2 时集群 2 的 measure_t1 的平均值，每次 cluster==3 时，cluster 3 的 measure_t1 的平均值。我想对 measure_t2 和 measure_t3.

做同样的事情

我使用以下代码没有问题：

mean_t1 <- sapply(df$cluster, function(x) if(x==1) mean(df$measure_t1[df$cluster==1])
   else if(x==2) mean(df$measure_t2[df$cluster==2])
   else if(x==3) mean(df$measure_t2[df$cluster==3]))

当然我也可以使用相同的代码创建 mean_t2 和 mean_t3，但是我的真实数据集有很多列，这很耗时。

因此，我想在循环中或通过将函数应用于不同的列来迭代地进行，但我没有做到。

Answer 1

我们可以使用 dplyr 和通用 tidyverse 套件以最少的重复来完成此操作。在这里，我们按每个集群分组并计算每个非组列的平均值。然后重命名列，并加入原始数据集。

library(tidyverse)

df.means <- df %>% 
  group_by(cluster) %>% 
  mutate_all(mean)

colnames(df.means) <- gsub('measure', 'mean', colnames(df.means))

df.final <- bind_cols(df, df.means)

   cluster measure_t1 measure_t2 measure_t3 cluster1  mean_t1  mean_t2 mean_t3
1        1        4.3        4.0        4.3        1 4.550000 4.225000   4.425
2        1        4.7        4.1        4.2        1 4.550000 4.225000   4.425
3        1        4.5        4.2        4.9        1 4.550000 4.225000   4.425
4        2        3.4        3.5        3.8        2 3.433333 3.566667   3.700
5        2        3.3        3.5        3.5        2 3.433333 3.566667   3.700
6        1        4.7        4.6        4.3        1 4.550000 4.225000   4.425
7        3        2.2        2.1        2.2        3 2.175000 2.250000   2.525
8        3        2.1        2.4        2.8        3 2.175000 2.250000   2.525
9        2        3.6        3.7        3.8        2 3.433333 3.566667   3.700
10       3        2.2        2.3        2.7        3 2.175000 2.250000   2.525
11       3        2.2        2.2        2.4        3 2.175000 2.250000   2.525

遍历 R 中数据集中的列

Loop over columns in a dataset in R

for-loop

function

sapply