将矩阵转换为 R 中的累积行平均值矩阵答案

【问题标题】：Transform a Matrix to a Matrix of Cumulative Row Averages in R将矩阵转换为 R 中的累积行平均值矩阵
【发布时间】：2014-03-11 01:10:44
【问题描述】：

我有一个预测矩阵。每一行是对个人的预测，每一列是来自特定模型的预测。我想对此进行转换，因此第一列是第一个模型的预测，第二列是第一个和第二个模型的预测的 平均值 等.

因此，转换后的矩阵将包含原始矩阵中观察值的运行累积平均值。

我感觉 cumsum 可以与 apply 函数一起使用来实现这一点，但我不确定如何获得优雅的结果（用于大型矩阵）。

谢谢！

【问题讨论】：

标签： r matrix average linear-algebra

【解决方案1】：

试试这个：

# Initialize a testing matrix
(m <- matrix(1:12, 3, 4))

     [,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    2    5    8   11
[3,]    3    6    9   12

# Calculate cumulative average by column for each row
t(apply(m, 1, cumsum) / seq(ncol(m)))

     [,1] [,2] [,3] [,4]
[1,]    1  2.5    4  5.5
[2,]    2  3.5    5  6.5
[3,]    3  4.5    6  7.5

这实质上是逐行累积求和，然后除以指示列索引的循环数组。

编辑：如果您对数据框做类似的事情，这种使用 data.table 和 reshape2 包的方法可能会很有用：

library(data.table)
dt <- data.table(m)
# Add row number to melt by
dt[, row := seq(nrow(dt))]

library(reshape2)
dt.molten <- data.table(melt(dt, "row"))
# Row-level format
dt.molten[, cumsum(value) / as.numeric(variable), "row"]

    row  V1                                                                                          
 1:   1 1.0                                                                                          
 2:   1 2.5                                                                                          
 3:   1 4.0                                                                                          
 4:   1 5.5                                                                                          
 5:   2 2.0                                                                                          
 6:   2 3.5                                                                                          
 7:   2 5.0                                                                                          
 8:   2 6.5                                                                                          
 9:   3 3.0                                                                                          
10:   3 4.5                                                                                          
11:   3 6.0
12:   3 7.5

【讨论】：

【解决方案2】：

使用建议的cumsum 和apply

mat <- matrix(1:24,ncol=6)
mat
#     [,1] [,2] [,3] [,4] [,5] [,6]
#[1,]    1    5    9   13   17   21
#[2,]    2    6   10   14   18   22
#[3,]    3    7   11   15   19   23
#[4,]    4    8   12   16   20   24

t(apply(mat,1,cumsum)/(seq_len(ncol(mat))))
#     [,1] [,2] [,3] [,4] [,5] [,6]
#[1,]    1    3    5    7    9   11
#[2,]    2    4    6    8   10   12
#[3,]    3    5    7    9   11   13
#[4,]    4    6    8   10   12   14

【讨论】：