如何计算 df 中每 n 个向量的平均值
How to calculate the mean for every n vectors from a df
如何计算 df 中每 n 个向量的平均值,用结果创建一个新的数据框。
我希望得到:
第 1 列:均值 (V1,V2),
第 2 列:平均值 (V3,V4),
第 3 列:均值 (V5,V6)
,等等
数据
df <- data.frame(v1=1:6,V2=7:12,V3=13:18,v4=19:24,v5=25:30,v6=31:36)
你可以试试,
dummy <- data.frame(
v1 = c(1:10),
v2 = c(1:10),
v3 = c(1:10),
v4 = c(1:10),
v5 = c(1:10),
v6 = c(1:10)
)
nvec_mean <- function(df, n){
res <- c()
m <- matrix(1:ncol(df), ncol = n, byrow = T)
if (ncol(df) %% n != 0){
stop()
}
for (i in 1:nrow(m)){
v <- rowMeans(df[,m[i,]])
res <- cbind(res, v)
}
colnames(res) <- c(1:nrow(m))
res
}
nvec_mean(dummy,3)
1 2
[1,] 1 1
[2,] 2 2
[3,] 3 3
[4,] 4 4
[5,] 5 5
[6,] 6 6
[7,] 7 7
[8,] 8 8
[9,] 9 9
[10,] 10 10
如果您不想要 rowMeans
或者结果不是您想要的,请告诉我。
简单(?)版本
df <- data.frame(v1=1:6,V2=7:12,V3=13:18,v4=19:24,v5=25:30,v6=31:36)
n = 2
res <- c()
m <- matrix(1:ncol(df), ncol = 2, byrow = T)
for (i in 1:nrow(m)){
v <- rowMeans(df[,m[i,]])
res <- cbind(res, v)
}
res
v v v
[1,] 4 16 28
[2,] 5 17 29
[3,] 6 18 30
[4,] 7 19 31
[5,] 8 20 32
[6,] 9 21 33
这里是基础 R 选项
n <- 2 # Mean across every n = 2 columns
do.call(cbind, lapply(seq(1, ncol(df), by = n), function(idx) rowMeans(df[c(idx, idx + 1)])))
# [,1] [,2] [,3]
#[1,] 4 16 28
#[2,] 5 17 29
#[3,] 6 18 30
#[4,] 7 19 31
#[5,] 8 20 32
#[6,] 9 21 33
这个returns一个matrix
而不是一个data.frame
(这在这里更有意义,因为你正在处理“全数字”数据)。
说明:这个想法是一种非重叠滑动window方法。 seq(1, ncol(df), by = n)
创建列的起始索引(此处为:1、3、5)。然后我们遍历这些索引 idx
并计算 df[c(idx, idx + 1)]
的行均值。这个returns一个list
然后我们cbind
变成一个matrix
.
作为一个小修改,您还可以预定义具有正确维度的 data.frame
,然后通过让 R 执行隐式 list
到 data.frame
来跳过 do.call(cbind, ...)
步骤] 类型转换。
out <- data.frame(matrix(NA, ncol = ncol(df) / 2, nrow = nrow(df)))
out[] <- lapply(seq(1, ncol(df), by = n), function(idx) rowMeans(df[c(idx, idx + 1)]))
# X1 X2 X3
#1 4 16 28
#2 5 17 29
#3 6 18 30
#4 7 19 31
#5 8 20 32
#6 9 21 33
如何计算 df 中每 n 个向量的平均值,用结果创建一个新的数据框。
我希望得到: 第 1 列:均值 (V1,V2), 第 2 列:平均值 (V3,V4), 第 3 列:均值 (V5,V6) ,等等
数据
df <- data.frame(v1=1:6,V2=7:12,V3=13:18,v4=19:24,v5=25:30,v6=31:36)
你可以试试,
dummy <- data.frame(
v1 = c(1:10),
v2 = c(1:10),
v3 = c(1:10),
v4 = c(1:10),
v5 = c(1:10),
v6 = c(1:10)
)
nvec_mean <- function(df, n){
res <- c()
m <- matrix(1:ncol(df), ncol = n, byrow = T)
if (ncol(df) %% n != 0){
stop()
}
for (i in 1:nrow(m)){
v <- rowMeans(df[,m[i,]])
res <- cbind(res, v)
}
colnames(res) <- c(1:nrow(m))
res
}
nvec_mean(dummy,3)
1 2
[1,] 1 1
[2,] 2 2
[3,] 3 3
[4,] 4 4
[5,] 5 5
[6,] 6 6
[7,] 7 7
[8,] 8 8
[9,] 9 9
[10,] 10 10
如果您不想要 rowMeans
或者结果不是您想要的,请告诉我。
简单(?)版本
df <- data.frame(v1=1:6,V2=7:12,V3=13:18,v4=19:24,v5=25:30,v6=31:36)
n = 2
res <- c()
m <- matrix(1:ncol(df), ncol = 2, byrow = T)
for (i in 1:nrow(m)){
v <- rowMeans(df[,m[i,]])
res <- cbind(res, v)
}
res
v v v
[1,] 4 16 28
[2,] 5 17 29
[3,] 6 18 30
[4,] 7 19 31
[5,] 8 20 32
[6,] 9 21 33
这里是基础 R 选项
n <- 2 # Mean across every n = 2 columns
do.call(cbind, lapply(seq(1, ncol(df), by = n), function(idx) rowMeans(df[c(idx, idx + 1)])))
# [,1] [,2] [,3]
#[1,] 4 16 28
#[2,] 5 17 29
#[3,] 6 18 30
#[4,] 7 19 31
#[5,] 8 20 32
#[6,] 9 21 33
这个returns一个matrix
而不是一个data.frame
(这在这里更有意义,因为你正在处理“全数字”数据)。
说明:这个想法是一种非重叠滑动window方法。 seq(1, ncol(df), by = n)
创建列的起始索引(此处为:1、3、5)。然后我们遍历这些索引 idx
并计算 df[c(idx, idx + 1)]
的行均值。这个returns一个list
然后我们cbind
变成一个matrix
.
作为一个小修改,您还可以预定义具有正确维度的 data.frame
,然后通过让 R 执行隐式 list
到 data.frame
来跳过 do.call(cbind, ...)
步骤] 类型转换。
out <- data.frame(matrix(NA, ncol = ncol(df) / 2, nrow = nrow(df)))
out[] <- lapply(seq(1, ncol(df), by = n), function(idx) rowMeans(df[c(idx, idx + 1)]))
# X1 X2 X3
#1 4 16 28
#2 5 17 29
#3 6 18 30
#4 7 19 31
#5 8 20 32
#6 9 21 33