在矩阵上使用带有均值函数的 mapply答案

【问题标题】：Using mapply with mean function on a matrix在矩阵上使用带有均值函数的 mapply
【发布时间】：2015-07-01 18:04:11
【问题描述】：

我希望计算矩阵每一列（或行）中相邻值的平均值（例如 [1,1] 和 [2,1]、[2,1] 和 [3,1] 的平均值， [3,1] 和 [4,1]) 并将其应用于所有列。

我尝试使用 mapply 函数（以避免使用 for 循环）来计算每列中前 2 个值的平均值，并计划将其逐行应用于整个矩阵。但是，如果我尝试对这些值求和而不是对均值函数求和，这似乎可行。

请看下面的例子：

x <- matrix(c(NA,rnorm(28),NA), nrow=6, ncol=5)
print(x)
       [,1]       [,2]       [,3]       [,4]       [,5]
[1,]          NA -0.6557176  1.7741320  0.3667700 -0.5548408
[2,]  0.14001643  0.2521062 -0.1295084 -0.4272368  0.7598425
[3,]  0.32123196  0.5736409  0.8618268  2.1535191  0.4686728
[4,]  0.06573949 -1.2101965 -0.4308219 -0.2624877 -0.3751350
[5,] -0.66247996  1.2743463  1.6044236  1.2004990 -0.3283678
[6,]  1.05005260  1.2264607  3.2347421 -0.8113528         NA

mapply(sum, x[1,], x[2,])
[1]          NA -0.40361136  1.64462358 -0.06046682  0.20500169
# gives the sum of the input of rows 1 and 2 for each column, as expected

mapply(mean, x[1,], x[2,])
[1]         NA -0.6557176  1.7741320  0.3667700 -0.5548408
# gives the actual values across row 1

使用均值函数时，输出似乎是第一行的值。我怀疑问题在于索引正确的输入值。

【问题讨论】：

标签： r matrix mean mapply

【解决方案1】：

你可以使用：

library(zoo)
apply(x, 2, function(x) rollapply(x, 2, mean))

【讨论】：

【解决方案2】：

我认为这会做你想要的：

(head(x, -1L) + tail(x, -1L)) / 2

产生（使用set.seed(1) 的数据）：

           [,1]       [,2]        [,3]      [,4]       [,5]
[2,]         NA -0.1665197 -0.11569867 0.8825287 -0.6847630
[3,] -0.2214052  0.6128769 -1.41797023 0.7075613  0.2818485
[4,] -0.3259926  0.6570530 -0.54488448 0.7564393 -0.1059621
[5,]  0.3798261  0.1351965  0.53999865 0.8505568 -0.8132739
[6,]  0.9623943  0.6031964 -0.03056194 0.4283506         NA

tail(x, -1L) 给出除了第一行之外的每一行的矩阵。所以结果矩阵的第一行是原始矩阵的第二行，第二行是第三行，依此类推。然后我们将其添加到原始矩阵减去第一行。这相当于将第 2 行添加到第 1 行，将第 3 行添加到第 2 行，等等。最后我们只需除以 2，得到平均值。

您的方法失败的原因是 mean 仅对其第一个参数求平均值，而 sum 将其所有参数求和：

> args(mean)
function (x, ...) 
NULL
> args(sum)
function (..., na.rm = FALSE) 
NULL

sum 将所有... 相加，但mean 仅取x 的平均值，因此您传递给mean 和mapply 的第二行将被丢弃（或更糟的是，正在使用作为trim 参数，请参见?mean)。

【讨论】：