计算数据框中许多因子列的平均值答案

【问题标题】：Calculating the means of many factor columns in a data frame计算数据框中许多因子列的平均值
【发布时间】：2016-02-03 07:53:49
【问题描述】：

我有因子列的数据帧。这里是一个很小的示例：

dat <- data.frame(one = factor(c("a", "b")), two = factor(c("c", "d")))

我可以计算所依据的因素标签每列的数字值的装置：

mean(as.integer(dat$one))
[1] 1.5

不过，因为有我的数据帧非常多列，我想，以避免计算所有个体手段，宁愿做这样的事情： P>

colMeans(dat)

不工作，因为列因素，或者 P>

colMeans(as.integer(dat))

这也不起作用。 P>

那么，如何可以容易地计算所有因子列的手段，没有一个环或单独计算它们所有吗

我真的要change the class of all columns？ P>

【问题讨论】：

colMeans(data.matrix(dat))可以工作。跨度>
@帕斯卡待办事项str(dat)，这将返回三行，其中一个读取：$ one: Factor w/ 2 levels "a","b": 1 2。这告诉你，“A”和“B”仅仅是标签和因素包含数字。通过铸造的因子为数字或整数（我的第二个例子），我可以在这些数字获得。跨度>
谢谢，@DavidArenburg，这是完美的。 SPAN>
你应该提防尽管这种操作。有时底层整数可以相当混乱。 SPAN>
感谢您的提醒，@DavidArenburg，这很容易忘记。在目前的情况下我花了很多心血来正确排序我的标贴，想想羯羊的因素实际上是超过序数型标尺缩放。 SPAN>

标签： r dataframe mean

【解决方案1】：

data.matrix 几乎就是为这样的任务而设计的。它还会跳过numeric 和integer 列（如果存在），从而减少内存使用量，尽管有时转换为matrix 可能是开销。所以只要你没有character 列，这应该很简单

colMeans(data.matrix(dat))
# one two 
# 1.5 1.5

【讨论】：

【解决方案2】：

我们可以使用lapply

lapply(dat, function(x) mean(as.integer(x)))

或dplyr

library(dplyr)
dat %>%
  summarise_each(funs(mean(as.integer(.))))

对于大型数据集，最好按每列分别计算mean，因为转换为matrix 也可能会产生内存问题。

【讨论】：

【解决方案3】：

编写一个使用 for 循环将所有值写入向量的简单函数。

dat <- data.frame(one = c(1:10), two = c(1:10))

colMeans <- function(tablename){
  i <- 1
  colmean <- c(1:ncol(tablename))

  for(i in c(1:ncol(tablename))){
    colmean[i] <- mean(tablename[,i])
  }
  return(colmean)
}

colMeans(dat)

希望这可行

【讨论】：

仅供参考，已经有一个名为 colMeans 的函数，因此您可能希望给自定义函数起一个不同的名称

【解决方案4】：

你也可以使用data.table包，比data.frame更快。如果您的数据很大，例如数百万次观察，而不是您需要 data.table 来优化运行时间。

下面是代码：

library(data.table)
dat <- data.table(one = factor(c("a", "b")), two = factor(c("c", "d")))
factorCols <- c("one", "two")
dat[, lapply(.SD, FUN=function(x) mean(as.integer(x))), .SDcols=factorCols]

【讨论】：