如何解决R:如何使用索引列聚合数据框?
head(test_df,n =15)
# print the first 15rows of the dataframe
value frequency index
1 -2.90267705917358 1 1
2 -2.90254878997803 1 1
3 -2.90252590179443 1 1
4 -2.90219354629517 1 1
5 -2.90201354026794 1 1
6 -2.9016375541687 1 1
7 -2.90107154846191 1 1
8 -2.90089440345764 1 1
9 -2.89996957778931 1 1
10 -2.89970088005066 1 1
11 -2.89928865432739 1 2
12 -2.89920520782471 1 2
13 -2.89907360076904 1 2
14 -2.89888191223145 1 2
15 -2.8988630771637 1 2
数据框有 3 列和 61819 行。为了聚合数据框,我想获得具有相同“索引”的所有行的“值”和“频率”列的平均值。
我已经找到了一些有用的链接,请参阅:
https://www.r-bloggers.com/2018/07/how-to-aggregate-data-in-r/
但是,我还没有解决问题。
test_df_ag <- stats::aggregate(test_df[1:2],by = test_df[3],FUN = 'mean')
# aggregate the dataframe based on the 'index' column (build the mean)
index value frequency
1 1 NA 1
2 2 NA 1
3 3 NA 1
4 4 NA 1
5 5 NA 1
6 6 NA 1
7 7 NA 1
8 8 NA 1
9 9 NA 1
10 10 NA 1
11 11 NA 1
12 12 NA 1
13 13 NA 1
14 14 NA 1
15 15 NA 1
由于我只是获得列“值”的 NA 值,我想知道它是否可能只是数据类型问题?!但是,当我尝试转换数据类型时也失败了.. .
base::typeof(test_df$value)
# query the data type of the 'value' column
[1] "integer"
解决方法
1.这是一个基本的 R 解决方案。
aggregate(cbind(value,frequency) ~ index,data = test_df,FUN = mean)
# index value frequency
#1 1 -2.901523 1
#2 2 -2.899062 1
2.还有一个简单的 dplyr
解决方案。
library(dplyr)
test_df %>%
group_by(index) %>%
summarize(across(1:2,mean))
## A tibble: 2 x 3
# index value frequency
#* <int> <dbl> <dbl>
#1 1 -2.90 1
#2 2 -2.90 1
数据
test_df <-
structure(list(value = c(-2.90267705917358,-2.90254878997803,-2.90252590179443,-2.90219354629517,-2.90201354026794,-2.9016375541687,-2.90107154846191,-2.90089440345764,-2.89996957778931,-2.89970088005066,-2.89928865432739,-2.89920520782471,-2.89907360076904,-2.89888191223145,-2.8988630771637),frequency = c(1L,1L,1L),index = c(1L,2L,2L)),class = "data.frame",row.names = c("1","2","3","4","5","6","7","8","9","10","11","12","13","14","15"))
,
使用 data.table
library(data.table)
setDT(test_df)[,lapply(.SD,mean),by = index,.SDcols = 1:2]
,
试试 tidyverse。 test_summary <- test_df %>% group_by(index) %>% summarise(n=n(),mean_value=mean(value,na.rm=T),mean_frequency=mean(frequency,na.rm=T))
。
哦,当然,您应该确保检查了数据的质量,并了解数据集中任何 NA 的假设和原因。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。