在行和列之间进行平均，允许NA

Question

我的数据框如下所示：

> df
  id u.1t u.2 v.1 v.2
1  A    1  NA   5  NA
2  A    2  NA   4   6
3  A    1   4   5  NA
4  B   10  13  40  NA
5  B   10  12  42  NA
6  B   10  NA  41  NA

我想知道u.*和v.*列的id-specific均值分别如下：

> mean
  id u.mean v.mean
1  A      2      5
2  B     11     41

这就是数据

df<-data.frame(id=c("A","A","A","B","B","B"),u.1t=c(1,2,1,10,10,10),u.2=c(NA,NA,4,13,12,NA),v.1=c(5,4,5,40,42,41),v.2=c(NA,6,NA,NA,NA,NA))

很明显，通过引入NA，总体均值与行或列均值的均值不相等，这就是这里的问题所在。

我以为这是by的工作，但事实证明，除了按列操作之外，我不能让by做任何事情？

非常感谢您的帮助--谢谢

Answer 1

如果您想使用by，请尝试如下所示：

by(x, x$id, function(x) colMeans(x[,-1], na.rm=TRUE))

输出有点难看。虽然您可以对其进行整理，但我将使用plyr包：

library(plyr)
ddply(x, .(id), function(x) colMeans(x[,-1], na.rm=TRUE))

这并没有达到您想要的效果，因为它取每列的平均值:它没有将u.*和v.*列组合在一起。为此，我将首先使用melt数据，然后使用plyr

library(reshape2)
y <- melt(x)
y$variable <- gsub("\\..*", '', y$variable)
y
#   id variable value
#1   A        u     1
#2   A        u     2
#3   A        u     1
#4   B        u    10
#5   B        u    10
#6   B        u    10
#7   A        u    NA
#    (etc)

z <- ddply(y, .(id, variable), summarise, mean = mean(value, na.rm=TRUE))
z
#  id variable mean
#1  A        u    2
#2  A        v    5
#3  B        u   11
#4  B        v   41

如果你选择这样做，你可以用cast返回：

dcast(z, id~variable)
#  id  u  v
#1  A  2  5
#2  B 11 41    

Answer 2

肖恩说对了。他的解决方案效果很好。

但是，由于变量名中的模式替换通常是不方便的、不适用的(就像我的例子一样--不是这个例子)，或者根本不是每个人都喜欢的，所以我们不妨引入一个新的因素来区分u's和v's。cast直接给出了答案(不需要plyr)：

require(reshape2)

y<-melt(df)
y$x[y$variable %in% c("u.1t","u.2")]<-"u"
y$x[y$variable %in% c("v.1","v.2")]<-"v"
y 
#   id variable value x
#1   A     u.1t     1 u
#2   A     u.1t     2 u
#3   A     u.1t     1 u
#4   B     u.1t    10 u
#5   B     u.1t    10 u
# ...
#22  B      v.2    NA v
#23  B      v.2    NA v
#24  B      v.2    NA v

dcast(y,y$id~x,mean, na.rm=T)
#  y$id  u  v
#1    A  2  5
#2    B 11 41

甚至不需要对新创建的列y$x进行因子分解

> sapply(y, class)
        id    variable       value           x 
  "factor"    "factor"   "numeric" "character"