获取每个人每 n 列的总和，并在 r 中创建新数据框答案

【问题标题】：Get sum of every n th column for each individual and create new data frame in r获取每个人每 n 列的总和，并在 r 中创建新数据框
【发布时间】：2016-12-22 03:37:23
【问题描述】：

搜索了类似的帖子后，我发布了我的问题。对于每个站点，我都有几年的月降雨量变量。我需要计算多年来的月平均降雨量。我给出了一个简单的数据框，如下所示。我需要创建一个新的数据框，其中包含每个站点的月平均值 (12)。

d<-structure(list(ID = structure(1:4, .Label = c("A", "B", "C", 
"D"), class = "factor"), X2000_1 = c(25L, 42L, 74L, 52L), X2000_2 = c(15L, 
15L, 51L, 12L), X2000_3 = c(14L, 21L, 25L, 41L), X2000_4 = c(74L, 
4L, 23L, 51L), X2000_5 = c(15L, 25L, 65L, 12L), X2000_6 = c(31L, 
23L, 15L, 25L), X2001_1 = c(52L, 54L, 18L, 63L), X2001_2 = c(85L, 
165L, 12L, 12L), X2001_3 = c(25L, 36L, 20L, 14L), X2001_4 = c(1L, 
17L, 23L, 52L), X2001_5 = c(24L, 45L, 12L, 15L), X2001_6 = c(3L, 
23L, 45L, 52L)), .Names = c("ID", "X2000_1", "X2000_2", "X2000_3", 
"X2000_4", "X2000_5", "X2000_6", "X2001_1", "X2001_2", "X2001_3", 
"X2001_4", "X2001_5", "X2001_6"), class = "data.frame", row.names = c(NA, 
-4L))

输出应该是这样的；

df<-data.frame(id = c("A","B","C","D"))
df[c("jan","feb","mar","apr","may","jun")]<-NA

例如单元格 A1 应包含 X2000_1 和 X2001_1 的平均降雨量

我尝试了如下代码，但它不起作用可能是因为我使用的是数据框。任何帮助将不胜感激。

n = 6
unname(tapply(d, (seq_along(d)-1) %/% n, sum))

我的实际数据框的列名是

c("est", "X1990_1", "X1990_2", "X1990_3", "X1990_4", "X1990_5", 
"X1990_6", "X1990_7", "X1990_8", "X1990_9", "X1990_10", "X1990_11", 
"X1990_12", "X1991_1", "X1991_2", "X1991_3", "X1991_4", "X1991_5", 
"X1991_6", "X1991_7", "X1991_8", "X1991_9", "X1991_10", "X1991_11", 
"X1991_12", "X1992_1", "X1992_2", "X1992_3", "X1992_4", "X1992_5", 
"X1992_6", "X1992_7", "X1992_8", "X1992_9", "X1992_10", "X1992_11", 
"X1992_12", "X1993_1", "X1993_2", "X1993_3", "X1993_4", "X1993_5", 
"X1993_6", "X1993_7", "X1993_8", "X1993_9", "X1993_10", "X1993_11", 
"X1993_12", "X1994_1", "X1994_2", "X1994_3", "X1994_4", "X1994_5", 
"X1994_6", "X1994_7", "X1994_8", "X1994_9", "X1994_10", "X1994_11", 
"X1994_12", "X1995_1", "X1995_2", "X1995_3", "X1995_4", "X1995_5", 
"X1995_6", "X1995_7", "X1995_8", "X1995_9", "X1995_10", "X1995_11", 
"X1995_12", "X1996_1", "X1996_2", "X1996_3", "X1996_4", "X1996_5", 
"X1996_6", "X1996_7", "X1996_8", "X1996_9", "X1996_10", "X1996_11", 
"X1996_12", "X1997_1", "X1997_2", "X1997_3", "X1997_4", "X1997_5", 
"X1997_6", "X1997_7", "X1997_8", "X1997_9", "X1997_10", "X1997_11", 
"X1997_12", "X1998_1", "X1998_2", "X1998_3", "X1998_4", "X1998_5", 
"X1998_6", "X1998_7", "X1998_8", "X1998_9", "X1998_10", "X1998_11", 
"X1998_12", "X1999_1", "X1999_2", "X1999_3", "X1999_4", "X1999_5", 
"X1999_6", "X1999_7", "X1999_8", "X1999_9", "X1999_10", "X1999_11", 
"X1999_12", "X2000_1", "X2000_2", "X2000_3", "X2000_4", "X2000_5", 
"X2000_6", "X2000_7", "X2000_8", "X2000_9", "X2000_10", "X2000_11", 
"X2000_12")

【问题讨论】：

标签： r sum seq tapply

【解决方案1】：

您可以从列名中提取月份作为变量，并按月份变量将数据框拆分为列表，并使用rowMeans() 函数为每个子数据框计算行平均值：

# extract the months for each column
mon <- sub(".*_(\\d+)$", "\\1", names(d)[-1])

# split the data frame by columns and calculate the rowMeans
cbind.data.frame(d[1], lapply(split.default(d[-1], mon), rowMeans))

#  ID    1    2    3    4    5    6
#1  A 38.5 50.0 19.5 37.5 19.5 17.0
#2  B 48.0 90.0 28.5 10.5 35.0 23.0
#3  C 46.0 31.5 22.5 23.0 38.5 30.0
#4  D 57.5 12.0 27.5 51.5 13.5 38.5

【讨论】：

当该解决方案用于与示例类似的另一个数据帧时，会出现错误消息，例如 Error in base::rowMeans(x, na.rm = na.rm, dims = dims, .. .) : 'x' 必须是数字
你的真实数据的列名是什么？并且还运行lapply(d[-1], class) 来查看除了ID 之外的所有列是否都是数字类型。
在我的真实数据中，除了 ID 之外的所有列都是数字类型。我检查了它。与示例的唯一区别是几个月的 NA。
您可以通过将na.rm 参数传递给lapply 来删除na，就像cbind.data.frame(d[1], lapply(split.default(d[-1], mon), rowMeans, na.rm = TRUE)) 一样，但这与错误消息不匹配。你还说mon不给1,..6，也许这就是问题所在。实际的列名是什么？也许他们有多个下划线_？
啊，我知道有什么问题了。我应该解释得更好。第一个\\d+ 是正则表达式符号，它代表数字或[0-9]，它与数据框名称无关，所以应该留下。试试这个，mon <- sub(".*_(\\d+)$", "\\1", names(d2)[-1])，甚至mon <- sub(".*_([0-9]+)$", "\\1", names(d2)[-1])

【解决方案2】：

您也可以使用一些reshape-ing 到一个长数据集以及制表：

tmp <- reshape(d, idvar="ID", sep="_", direction="long", varying=-1)
xtabs(rowMeans(cbind(X2000,X2001)) ~ ID + time, data=tmp)
#   time
#ID     1    2    3    4    5    6
#  A 38.5 50.0 19.5 37.5 19.5 17.0
#  B 48.0 90.0 28.5 10.5 35.0 23.0
#  C 46.0 31.5 22.5 23.0 38.5 30.0
#  D 57.5 12.0 27.5 51.5 13.5 38.5

【讨论】：

【解决方案3】：

这是一个使用Reduce 和+ 的选项

cbind(d[1], Reduce(`+`, list(d[2:7], d[8:13]))/2)
#    ID X2000_1 X2000_2 X2000_3 X2000_4 X2000_5 X2000_6
#1  A    38.5    50.0    19.5    37.5    19.5    17.0
#2  B    48.0    90.0    28.5    10.5    35.0    23.0
#3  C    46.0    31.5    22.5    23.0    38.5    30.0
#4  D    57.5    12.0    27.5    51.5    13.5    38.5

或者只是

cbind(d[1], (d[2:7] + d[8:13])/2)

【讨论】：

此处计算时如何去除NAs
@sriya 如果有 NA，则 psidom 或 thelatemail 提供的解决方案更好，因为 rowMeans 有 na.rm=TRUE 参数

【解决方案4】：

假设，我们的第一列为ID，其余所有列均等分布。

我们可以将数据框分成两半并获得它们之间的平均值。

cbind(d[1],(d[2:ceiling(ncol(d)/2)] + d[(ceiling(ncol(d)/2) + 1):ncol(d)])/2)


#   ID X2000_1 X2000_2 X2000_3 X2000_4 X2000_5 X2000_6
#1  A    38.5    50.0    19.5    37.5    19.5    17.0
#2  B    48.0    90.0    28.5    10.5    35.0    23.0
#3  C    46.0    31.5    22.5    23.0    38.5    30.0
#4  D    57.5    12.0    27.5    51.5    13.5    38.5

显然，我们总是可以通过对列号进行硬编码来做到这一点。

cbind(d[1], (d[2:7] + d[8:13])/2)

但是，上述方法是一种通用方法，即使我们有超过 13 列，它也可以工作。

【讨论】：

【解决方案5】：

据我所知，要获取文件的签出信息，您需要找出工作空间，然后找出这些工作空间上所有待处理的更改。

【讨论】：

@Psidom 当解决方案用于与示例类似的另一个数据帧时，会出现错误消息，例如 Error in base::rowMeans(x, na.rm = na.rm, dims = dims, ...) : 'x' 必须是数字。我相信这与这里的 mon 有关。因为调用 mon 时它不会创建 1、6 而是创建原始列名 (X2000_1)