我想汇总 1000 个 40 行 20 列的文件。我想生成两个摘要文件，每个都保留原始尺寸 40x20。第一个文件包含平均值，第二个文件包含所有 1000 个值中每个位置的标准差。从下面的这篇文章中，我发现了一种非常优雅的方法来计算所有文件的平均值（感谢@josliber），但我正在努力将该逻辑扩展到标准偏差。
Average multiple csv files into 1 averaged file in r
我正在将数据加载到数据框列表中
csvs <- lapply(list.files(pattern="weather*.csv"), read.csv)
并且 Reduced 可以很好地获取我的平均摘要文件。我们可以做一些类似（或不同）的事情来得到我的标准差吗？
Reduce("+", csvs) / length(csvs)
【问题讨论】：
您可以再次做类似的事情，但使用标准差计算背后的基本数学：
# get the means as before
means <- Reduce( "+", csvs ) / length( csvs )
# make a new list of deviations from that known mean
st.dev <- lapply( csvs, function(x) ( x - means )^2 )
# use the list of deviations to calculate the standard deviation matrix
st.dev <- sqrt( Reduce( "+", st.dev ) / length( st.dev ) )
有关此处数学的详细信息，请在 Wikipedia 中搜索“标准差”。
【讨论】：
另一个选项打开了其他几个统计选项。
如果您将 40x20 data.frames 列表转换为 40x20x1000 数组，您可以 apply 穿过每个 40x20“管”钻入第 3 维。
使用三个 2x4 矩阵的样本：
set.seed(42)
lst <- lapply(1:3, function(ign) matrix(sample(8), nrow=2))
lst
# [[1]]
# [,1] [,2] [,3] [,4]
# [1,] 8 2 3 4
# [2,] 7 5 6 1
# [[2]]
# [,1] [,2] [,3] [,4]
# [1,] 6 3 7 8
# [2,] 5 4 1 2
# [[3]]
# [,1] [,2] [,3] [,4]
# [1,] 8 3 4 2
# [2,] 1 6 7 5
使用abind库，我们可以沿第三个dim任意绑定。 （这是您要开始的地方，因为您的 data.frames 已经被捕获在一个列表中。abind 与同样大小的 data.frames 和矩阵同样适用。）
library(abind)
ary <- abind(lst, along = 3)
dim(ary)
# [1] 2 4 3
现在沿着每个“管”运行任意函数（相对于“行”或“列”，大多数人认为apply 用于）。例如，假设三层中的[1,1] 值为 8、6 和 8，我们会期望以下统计信息：
mean(c(8,6,8))
# [1] 7.333333
sd(c(8,6,8))
# [1] 1.154701
现在，使用apply：
apply(ary, 1:2, mean)
# [,1] [,2] [,3] [,4]
# [1,] 7.333333 2.666667 4.666667 4.666667
# [2,] 4.333333 5.000000 4.666667 2.666667
apply(ary, 1:2, sd)
# [,1] [,2] [,3] [,4]
# [1,] 1.154701 0.5773503 2.081666 3.055050
# [2,] 3.055050 1.0000000 3.214550 2.081666
这会打开 1000 个大小相同的 data.frames 的更多统计聚合，假设每个层内的索引具有有意义的可比性。您或许可以设计一个工作模型来使用Reduce 确定中位数或其他百分位数，但很容易做到（例如）apply(ary, 1:2, quantile, 0.9) 第 90 个百分位数。
【讨论】：