均值的条件计算

Question

我想为每个因素计算数据框的均值，但前提是满足特定条件。例如，我有这个数据框：

> df <- data.frame(name = rep(c("A", "B", "C"), 20), 
                 variable1 = rep(c(1, 1, 1, 1, 1, NA), 10), 
                 variable2 = rep(c(2, NA, 2, 2, 2, 2), 10), 
                 variable3 = rep(c(NA, 3, 3, 3, 3, 3), 10))

> table(df$name, df$variable1)

     1
  A 20
  B 20
  C 10

> table(df$name, df$variable2)

     2
  A 20
  B 10
  C 20

> table(df$name, df$variable3)

     3
  A 10
  B 20
  C 20

我可以通过以下方式使用 dplyr 轻松计算每个变量的均值：

means <- df %>%
  group_by(name) %>%
  summarise_each(funs(mean(., na.rm = TRUE)))
> means
Source: local data frame [3 x 4]

  name variable1 variable2 variable3
1    A         1         2         3
2    B         1         2         3
3    C         1         2         3

但是，我想要的是仅在有 11 个或更多观察值时才计算均值，否则将 NA 放入相应的单元格中。换句话说，结果应该是这样的：

  name variable1 variable2 variable3
1    A         1         2        NA
2    B         1        NA         3
3    C        NA         2         3

Answer 1

我们可以创建一个函数 (f1)，它将计算 if 非 NA 值的数量大于 11 (sum(!is.na(x))>11) 或否则我们得到 NA。我使用 NA_real_ 作为默认值 NA 是合乎逻辑的 class 并且在某些包中可能存在 class 的冲突。

使用 dplyr，我们按 name 分组并在 summarise_each

中使用函数 (f1)

f1 <- function(x) if(sum(!is.na(x))>11) mean (x, na.rm=TRUE) else NA_real_
library(dplyr) 
df  %>% 
     group_by(name) %>%
     summarise_each(funs(f1))

或者使用 data.table 的类似方法是将 data.frame 转换为 data.table (setDT(df))。我们遍历列 (lapply(.SD, ..))，使用按 name

分组的相同函数

library(data.table)
setDT(df)[,  lapply(.SD, f1), by = name]
#   name variable1 variable2 variable3
#1:    A         1         2        NA
#2:    B         1        NA         3
#3:    C        NA         2         3

Answer 2

将先前的数据从宽数据转换为长数据的替代方法。

library(reshape2)
df1 <- melt(df, id.vars = c("name")) # From wide to long
df1 <- df1 %>% group_by(name, variable) %>% 
       filter(n()>10) %>%
       summarize(mean = mean(value))

长格式输出：

   name  variable mean
1    A variable1    1
2    A variable2    2
3    A variable3   NA
4    B variable1    1
5    B variable2   NA
6    B variable3    3
7    C variable1   NA
8    C variable2    2
9    C variable3    3

宽幅面输出：

dcast(df1,  name ~ variable, value.var = "mean")

  name variable1 variable2 variable3
1    A         1         2        NA
2    B         1        NA         3
3    C        NA         2         3

均值的条件计算

Conditional calculation of mean

r

dplyr