计算列范围内的 rowMeans（变量数）答案

【问题标题】：Calculate rowMeans on a range of column (Variable number)计算列范围内的 rowMeans（变量数）
【发布时间】：2016-07-27 16:05:12
【问题描述】：

我想计算列范围的 rowMeans，但我不能给出列名（例如 c(C1,C3)）或范围（例如 C1:C3）的硬编码值，因为名称和范围都是可变的。我的 df 看起来像：

> df
  chr name age  MGW.1 MGW.2  MGW.3 HEL.1 HEL.2 HEL.3
1 123  abc  12  10.00    19  18.00    12 13.00   -14
2 234  bvf  24 -13.29    13  -3.02    12 -0.12    24
3 376  bxc  17  -6.95    10 -18.00    15  4.00    -4

这只是一个示例，实际上我的列范围在 MGW.1 ... MGW.196 等。在这里，我不想给出确切的 colnames 或确切的范围，而是要传递 colnames 的首字母，并希望获得具有该首字母的所有列的平均值。比如：MGW=rowMeans(df[,MGW.*]), HEL=rowMeans(df[,HEL.*])

所以我的最终输出应该是这样的：

> df
      chr name age  MGW      Hel
    1 123  abc  12  10.00    19
    2 234  bvf  24  13.29    13
    3 376  bxc  17  -6.95    10

我知道这些值是不正确的，但这只是为了给你和想法。 其次，我想从除前 3 个值之外的整行中包含 NA 的数据框中删除所有这些行。

这是示例示例的 dput：

> dput(df)
structure(list(chr = c(123L, 234L, 376L), name = structure(1:3, .Label = c("abc", 
"bvf", "bxc"), class = "factor"), age = c(12L, 24L, 17L), MGW.1 = c(10, 
-13.29, -6.95), MGW.2 = c(19L, 13L, 10L), MGW.3 = c(18, -3.02, 
-18), HEL.1 = c(12L, 12L, 15L), HEL.2 = c(13, -0.12, 4), HEL.3 = c(-14L, 
24L, -4L)), .Names = c("chr", "name", "age", "MGW.1", "MGW.2", 
"MGW.3", "HEL.1", "HEL.2", "HEL.3"), class = "data.frame", row.names = c(NA, 
-3L))

【问题讨论】：

我昨天问了一个相关问题，答案可能对您有所帮助。这是链接stackoverflow.com/questions/38594808/…
@Warner 正如我在问题中提到的，我不能明确提及列名或索引，因为它们是可变的，有时会有 196 列我想要 rowMean 有时会有 198 或所以。
您可以使用“逻辑”位置向量对df 进行子集化，其中names(df) ?startsWith "MGW" 等。另外，请参阅?complete.cases 以查找仅包含NA 的行（在对除前三列之外的所有列进行子集之后）。
你能硬编码 colnames 前缀（MGW.*，HEL.*）吗？还是您需要以编程方式重新组合它们？

标签： r rowsum

【解决方案1】：

首先

我认为您正在寻找这个来获取行的平均值：

df$mean.Hel <- rowMeans(df[, grep("^HEL.", names(df))])

然后删除列：

df[, grep("^HEL.", names(df))] <- NULL

其次

删除前三个元素后只有NA 的行。

rows.delete <- which(rowSums(!is.na(df)[,4:ncol(df)]) == 0)
df <- df[!(1:nrow(df) %in% rows.delete),]

【讨论】：

这将追加一个新列 Hel.mean 我也想从 df 中删除单个列，请参阅上面提到的我想要的输出。
添加了一行来删除列。
第二个是什么意思... ?? ..我想你是说在你想要的所有列上重复它，对吗？
“我想从除前 3 个值外的整行中包含 NA 的数据框中删除所有这些行。”我只是要发布一个解决方案，但它有一些问题。
你能指导我如何在 df 中再追加一列，其中包含整行的 SD。我尝试关注ŧhis，但它对我不起作用。

【解决方案2】：

这是一个无需硬编码变量名即可实现所需输出的想法：

library(dplyr)
library(tidyr)

df %>%
  # remove rows where all values are NA except the first 3 columns
  filter(rowSums(is.na(.[4:length(.)])) != length(.) - 3) %>%
  # gather the data in a tidy format
  gather(key, value, -(chr:age)) %>%
  # separate the key column into label and num allowing 
  # to regroup by variables without hardcoding them
  separate(key, into = c("label", "num")) %>%
  group_by(chr, name, age, label) %>%
  # calculate the mean
  summarise(mean = mean(value, na.rm = TRUE)) %>%
  spread(label, mean)

我冒昧地修改了您的初始数据，以显示逻辑如何适合特殊情况。例如，这里我们有一行 (#4)，其中除前 3 列之外的所有值都是 NAs（根据您的要求，应删除此行），其中一个混合了 NAs 和值（#5）。在这种情况下，我假设我们希望得到MGW 的结果，因为MGW.1 有一个值：

#  chr name age  MGW.1 MGW.2  MGW.3 HEL.1 HEL.2 HEL.3
#1 123  abc  12  10.00    19  18.00    12 13.00   -14
#2 234  bvf  24 -13.29    13  -3.02    12 -0.12    24
#3 376  bxc  17  -6.95    10 -18.00    15  4.00    -4
#4 999  zzz  21     NA    NA     NA    NA    NA    NA
#5 888  aaa  12  10.00    NA     NA    NA    NA    NA

这给出了：

#Source: local data frame [4 x 5]
#Groups: chr, name, age [4]
#
#    chr   name   age       HEL       MGW
#* <int> <fctr> <int>     <dbl>     <dbl>
#1   123    abc    12  3.666667 15.666667
#2   234    bvf    24 11.960000 -1.103333
#3   376    bxc    17  5.000000 -4.983333
#4   888    aaa    12       NaN 10.000000

数据

df <- structure(list(chr = c(123L, 234L, 376L, 999L, 888L), name = structure(c(2L, 
3L, 4L, 5L, 1L), .Label = c("aaa", "abc", "bvf", "bxc", "zzz"
), class = "factor"), age = c(12L, 24L, 17L, 21L, 12L), MGW.1 = c(10, 
-13.29, -6.95, NA, 10), MGW.2 = c(19L, 13L, 10L, NA, NA), MGW.3 = c(18, 
-3.02, -18, NA, NA), HEL.1 = c(12L, 12L, 15L, NA, NA), HEL.2 = c(13, 
-0.12, 4, NA, NA), HEL.3 = c(-14L, 24L, -4L, NA, NA)), .Names = c("chr", 
"name", "age", "MGW.1", "MGW.2", "MGW.3", "HEL.1", "HEL.2", "HEL.3"
), class = "data.frame", row.names = c("1", "2", "3", "4", "5"))

【讨论】：