拆分一列，获取拆分列的均值，并更新结果

Question

我目前正在尝试将包含值范围（作为字符）的列分隔为两个数字列，以便在行具有范围的情况下计算它们的平均值。然后，我想用更新后的结果替换旧列。实际上，有多个专栏需要完成。我试图找到一种方法，但这对我来说似乎具有挑战性。

下面是我试过的代码..它不起作用..

test.val <- data.table(id = c(1, 2, 3), 
                       colA = c("100-150", "200", "300"), 
                       colB = c("15", "20-30", "10"))
test.A <- test.val[, lapply(.SD, function(x){strsplit(x, split = "-")}), .SDcols = c("colA", "colB")]
test.B[, lapply(.SD, mean), .SDcols = c("colA", "colB")]

最后，我想有以下内容：

   id colA colB
1:  1  125   15
2:  2  200   25
3:  3  300   10

谁能帮帮我？非常感谢。

Answer 1

这是一种tidyverse可能性：

test.val %>%
 gather(var, val, -id) %>%
 separate(val, c("val1", "val2"), sep = "-", convert = TRUE) %>%
 mutate(res = rowMeans(.[, 3:4], na.rm = TRUE)) %>%
 select(-val1, -val2) %>%
 spread(var, res)

  id colA colB
1  1  125   15
2  2  200   25
3  3  300   10

第一步，它将数据从宽格式转换为长格式。然后，它将值分成两列。最后，它计算行平均值并将数据转换回原始格式。

考虑到您想要分隔的每列可能有两个以上的值：

test.val %>%
 gather(var, val, -id) %>%
 mutate(val = strsplit(val, "-")) %>%
 unnest(val) %>%
 group_by(id, var) %>%
 mutate(res = mean(as.numeric(val))) %>%
 distinct(res) %>%
 spread(var, res)

Answer 2

另一个选项使用 data.table

library(data.table)
cols <- c("colA", "colB")
for(j in cols) {
  tmp <- vapply(strsplit(test.val[[j]], "-"), 
                FUN = function(i) mean(as.numeric(i)), 
                FUN.VALUE = numeric(1))
  set(test.val, j = j, value = tmp)
}
test.val
#   id colA colB
#1:  1  125   15
#2:  2  200   25
#3:  3  300   10

给定一个向量

x <- c("100-150", "200", "300")

strsplit的结果是字符向量列表

strsplit(x, "-")
#[[1]]
#[1] "100" "150"

#[[2]]
#[1] "200"

#[[3]]
#[1] "300"

我们将其包装到 vapply 中，并在将每个向量转换为数字后计算每个元素的平均值。

vapply(strsplit(x, "-"), function(x) mean(as.numeric(x)), numeric(1))
# [1] 125 200 300

我们使用此结果替换 cols 中指定的每一列，使用 data.table 的 set 函数。

拆分一列，获取拆分列的均值，并更新结果

Split a column, get the mean of the split columns, and update the result

r

strsplit

data.table