使用数据和基本的 R 编程

Question

我是 R（和 stackoverflow）的新手，我有一点问题（我认为）这是一件很容易做到的事情。

基本上我有一些数据，例如：

ID | Data
----------
1 | 20
----------
2 | 30
----------
3 | 25
----------
4 | 26
----------
5 | 88
----------
6 | 65
----------
7 | 70
----------
8 | 30
----------
9 | 15
----------
10| 22
----------

我想做的是：

1. 进行前 3 次观察
2. 计算这 3 个观察值的平均值
3. 用自己的 ID 将其保存到另一个矩阵或数据框中
4. 并继续其他 3 个观察结果。

因此，如果我有 15 个观察结果，在此示例中我将仅以 5 个结束。

谢谢！

Answer 1

我们使用%/% 创建分组变量并使用base R 中的aggregate 来获取“数据”列的mean

df1$grp <- (seq_len(nrow(df1))-1) %/%3 + 1
aggregate(Data~grp, df1, FUN = mean)
#  grp     Data
#1   1 25.00000
#2   2 59.66667
#3   3 38.33333
#4   4 22.00000

%/% 表示整数除法。例如，如果我们对 10 的序列使用整数除法

(1:10-1) %/% 3 + 1
#[1] 1 1 1 2 2 2 3 3 3 4

注意最后加1是为了让组从1开始而不是0开始，但这只是一种选择

Answer 2

使用data.table 的类似解决方案是：

library(data.table)
setDT(df)[, mean(Data), by = .(((seq_len(nrow(df))-1) %/% 3) + 1)]

#   seq_len       V1
#1:       1 25.00000
#2:       2 59.66667
#3:       3 38.33333
#4:       4 22.00000

这很好，因为data.table 的by 采用表达式，因此您无需创建新变量。 计算组的功劳归于 akrun。

---

一点背景：

来自data.table 小插图：

data.table 继承自 data.frame。它提供快速且高效的内存：文件读取器和写入器、聚合、更新、等值、非等值、滚动、范围和间隔连接，语法简短灵活，可加快开发速度。

data.table 的语法与data.frames 可能有很大不同。在这种情况下，我们指定要执行的计算（mean(Data)），然后我们还告诉data.table 分组依据 - 在这种情况下，表达式((seq_len(nrow(df))-1) %/% 3) + 1，其计算结果为一个数字向量，该向量由每 4 个元素 1 个：

((seq_len(nrow(df))-1) %/% 3) + 1
 [1] 1 1 1 2 2 2 3 3 3 4

然后返回您在上面看到的输出。

数据：

df <- structure(list(ID = 1:10, Data = c(20L, 30L, 25L, 26L, 88L, 65L, 
       70L, 30L, 15L, 22L)), .Names = c("ID", "Data"), row.names = c(NA, 
       -10L), class = c("data.table", "data.frame"), .internal.selfref = <pointer: 0x00000000063e0788>)

Answer 3

一种方法是首先创建一个分组变量。这个变量将允许我们将数据集split 放入我们的组中，然后找到平均值。然后我们可以将手段和它们的 id 组合成一个新的数据框。

让我们从分组变量开始。我们将利用模数 %% 来做到这一点。

set.seed(9025)
df = data.frame(id=1:10, values=sample(1:100, 10, FALSE))
df$group = df$id - (df$id %% -3)

df
   id values group
1   1     85     3
2   2      2     3
3   3     93     3
4   4     47     6
5   5     90     6
6   6      1     6
7   7     27     9
8   8     57     9
9   9     81     9
10 10      3    12

现在我们可以通过我们的组变量split。

dl = split(df, df$group)
dl
$`3`
  id values group
1  1     85     3
2  2      2     3
3  3     93     3

$`6`
  id values group
4  4     47     6
5  5     90     6
6  6      1     6

$`9`
  id values group
7  7     27     9
8  8     57     9
9  9     81     9

$`12`
   id values group
10 10      3    12

split 只是通过我们提供给它的变量来分解数据框。所以第一个数据帧只是df 的子集，其中df$group 等于3。df$group 的实际值无关紧要，因为我们不会使用它。我们只需要确保一次获得三行。

接下来，我们只是遍历list，然后计算平均值

means = unname(sapply(dl, function(x) mean(x$values), simplify=TRUE))
means
60 46 55  3

最后，我们只是把它变成一个新的数据框。

n = length(means)
new_df = data.frame(id=1:n, mean=means)
new_df
  id mean
1  1   60
2  2   46
3  3   55
4  4    3

总的来说，算法如下所示：

df$group = df$id - (df$id %% -3)
dl = split(df, df$group)
means = unname(sapply(dl, function(x) means(x$values), simplify=TRUE)
n = length(means)
new_df = data.frame(id=1:n, mean=means)