比较两个表的元素，平均现有元素并将 NA 保留为 R 中不存在的元素答案

【问题标题】：comparing elements of two tables, averaging existing elements and leaving NA for non-existing in R比较两个表的元素，平均现有元素并将 NA 保留为 R 中不存在的元素
【发布时间】：2014-10-21 09:31:58
【问题描述】：

我有两个表，第一个表 (T1) 表示数字范围，第二个表 (T2) 包括坐标和分数，这是 T1 第一列的细分。

我想计算 T2 的 score 的平均值，并插入到 T1 的范围内，如果相应的坐标不可用，则放入 NA。让我们说：

表 1：(T1)

    start    end    
    1000    1100
    1300    1390
    1530    1610
    1800    1905

表 2：（T2）

coordinate  score
1002         3
1004         1
1020         5
1087         4
1550         1
1559         7
1609         3
1805        2.5

结果：对T1范围内T2的元素求平均：例如：1000 to 1100 (3+1+5+1)/4和1300 to 1390之间没有得分，放置NA值等等。

start    end  mean-score  
1000    1100   3.25
1300    1390   NA
1530    1610   3.66
1800    1905   2.5

你能帮我在 R 中实现它吗？

谢谢。

【问题讨论】：

标签： r compare average

【解决方案1】：

在@akrun 的提示下，我在“data.table”中遇到了foverlaps 函数。如果这是最好的方法，我不肯定（但它有效:-)）

library(data.table)
T1 <- as.data.table(T1)
T2 <- as.data.table(T2)
setkey(T1, start, end)
T2[, c("start", "end") := coordinate]
foverlaps(T2, T1)[, list(score = mean(score)), by = list(start, end)]
#    start  end    score
# 1:  1000 1100 3.250000
# 2:  1530 1610 3.666667
# 3:  1800 1905 2.500000

更新：

正如@Arun在cmets中提到的，如果你在T2上也设置了Key，并且改变了foverlaps的顺序，你也可以得到NA。

setkey(T2, start, end)
foverlaps(T1, T2)[, list(mean = mean(score)), by = list(i.start, i.end)]
#    i.start i.end     mean
# 1:    1000  1100 3.250000
# 2:    1300  1390       NA
# 3:    1530  1610 3.666667
# 4:    1800  1905 2.500000

【讨论】：

【解决方案2】：

一种方法是

T1$mean_score <- sapply(seq_len(nrow(T1)), function(i) {x1 <- T1[i,]
                  mean(T2$score[T2$coordinate>x1[,1]& T2$coordinate<=x1[,2]])})

 T1
 #  start  end mean_score
#1  1000 1100   3.250000
#2  1300 1390        NaN
#3  1530 1610   3.666667
#4  1800 1905   2.500000

数据

T1 <- structure(list(start = c(1000L, 1300L, 1530L, 1800L), end = c(1100L, 
 1390L, 1610L, 1905L)), .Names = c("start", "end"), class = "data.frame", row.names = c(NA, 
 -4L))


T2 <-  structure(list(coordinate = c(1002L, 1004L, 1020L, 1087L, 1550L, 
 1559L, 1609L, 1805L), score = c(3, 1, 5, 4, 1, 7, 3, 2.5)), .Names = c("coordinate", 
 "score"), class = "data.frame", row.names = c(NA, -8L))

【讨论】：

between() from "data.table" 可能会使您的代码略短。 +1
@Ananda Mahto 谢谢，我正在寻找另一个我现在不记得的功能。
@Ananda Mahto 不，它是 data.table 中的新内容，但我不记得了。
它以f 开头，但无论如何，我不确定它是否也有效。但是，谢谢。
@Ananda Mahto 你可以用between发帖。

【解决方案3】：

使用dplyr 函数rowwise、do 和between 的可能性。

library(dplyr)

T1 %>%
  rowwise() %>%
  do(data.frame(., mean_score = mean(T2$score[between(T2$coordinate, left = .$start, right = .$end)])))
#   start  end mean_score
# 1  1000 1100   3.250000
# 2  1300 1390        NaN
# 3  1530 1610   3.666667
# 4  1800 1905   2.500000

【讨论】：