提问人：Divad99 提问时间：11/13/2023 更新时间：11/13/2023 访问量：48
R 中的 For 循环，用于自动计算 DataFrame 的平均值
For loop in R to automate mean calculations of Dataframes
问：
以下用于计算数据帧的列平均值的代码有效：
res <- list()
for(i in 1:nrow(df))
z <- df[i,]
z <- unlist(z)
z <- mean(z)
res[[i]] <- z
print(res)
但是，如果我尝试将代码转换为函数，则输出列表会为每一列显示“NULL”，但最后一列除外：
res <- list()
col.mean <- function(x){
for(i in 1:nrow(x))
z <- x[i,]
z <- unlist(z)
z <- mean(z)
res[[i]] <- z
return(res)
}
以下函数似乎正在工作，但我不明白它背后的逻辑。对我来说，这两个功能是相似的，只是后者更简单。
res <- list()
col.mean <- function(x){
for(i in 1:nrow(x))
res[[i]] <- mean(unlist(x[i,]))
return(res)
}
答：
0赞
jkatam
11/13/2023
#1
我相信这对我有用，几乎没有变化，如下所示
res <- list()
col.mean <- function(x){
for(i in 1:nrow(x)){
z <- x[i,]
z <- unlist(z)
z <- mean(z)
res[[i]] <- z
return(res)
}
}
col.mean(iris)
print(res)
1赞
Friede
11/13/2023
#2
我假设您要计算行的平均值。
1. 一个快速函数存在于 ： 中。有关详细信息，请参阅。base RrowMeans()help(rowMeans)
2. For-loops不是一种很像的做事方式。
对循环进行一些修改：R
# do not grow objects inside loops!
res <- vector("list", nrow(data))
# I prefer seq(nrow(data) over 1:nrow(data)
for(i in seq(nrow(data))) {
res[[i]] <- mean(unlist(data[i, ]))
}
包装到一个自写的函数中：
rowMeans2 <- \(df, ...) {
res <- vector("list", nrow(df))
for(i in seq(nrow(df))) {
res[[i]] <- mean(unlist(df[i, ]), ...)
}
res
}
“-parameter/argument” 允许您指定参数，例如 ....mean()na.rm = TRUE
3. 在 中，我们经常使用 -functions（循环的包装器）而不是自写的循环。在这里，我使用了，因为您似乎希望将结果以列表格式存储。R*apply()lapply()
rowMeans3 <- \(df, ...) {
lapply(X = seq(nrow(df)), FUN = \(i) mean(unlist(df[i, ]), ...))
}
4. 乌尔比纳@Jilber在下面的评论中建议的另一种避免：unlist()
rowMeans4 <- \(df, ...) {
sapply(X = seq(nrow(df)), FUN = \(i) mean(as.numeric(df[i, ]), ...))
}
在名为“iris”的内置数据集上进行了测试。我删除了非数字列。数据：
data <- iris[, sapply(iris, is.numeric)]
评论
0赞
Jilber Urbina
11/13/2023
您可以使用代替和避免使用sapplylapplyunlist
0赞
Friede
11/13/2023
谢谢。我知道。 是提问者使用的。unlist(mean(...))
0赞
jkatam
11/13/2023
我认为这些方法存在挑战，因为它们都没有删除字符列。让我们以第一行的 DataFrame 为例，如果我们举例，结果是 2.24，但是如果我们实际上只考虑数值列，结果应该是 2.55。正确的代码是您提到的“iris[， sapply（iris， is.numeric）]”，但其他代码似乎不正确irissapply(1, \(x){ mean(unlist(iris[x,])) })
0赞
Friede
11/13/2023
在给定的示例中，将不同类型的数据组合在一起，数值和因子对我来说似乎毫无意义且危险。请注意，对于第一行，您的方法将“setosa”（因子水平）强制为“1”。行均值受到影响。
评论
rowMeans()colMeans()