3

最初，我使用我编写的一个简短的 C# 程序来平均一些数字。但是现在我想做更广泛的分析，所以我将我的 C# 代码转换为 R。但是，我真的不认为我在 R 中以正确的方式进行操作或利用该语言。我编写 R 的方式与编写 C# 的方式完全相同。

我有一个包含两列的 CSV。第一列标识行的类型（三个值之一：C、E 或 P），第二列有一个数字。我想平均按类型（C、E 或 P）分组的数字。

我的问题是，在 R 中这样做的惯用方式是什么？

C#代码：

        string path = "data.csv";
        string[] lines = File.ReadAllLines(path);

        int cntC = 0; int cntE = 0; int cntP = 0; //counts
        double totC = 0; double totE = 0; double totP = 0; //totals
        foreach (string line in lines)
        {
            String[] cells = line.Split(',');
            if (cells[1] == "NA") continue; //skip missing data

            if (cells[0] == "C") 
            {
                totC += Convert.ToDouble(cells[1]);
                cntC++;
            }
            else if (cells[0] == "E")
            {
                totE += Convert.ToDouble(cells[1]);
                cntE++;
            }
            else if (cells[0] == "P")
            {
                totP += Convert.ToDouble(cells[1]);
                cntP++;
            }
        }
        Console.WriteLine("C found " + cntC + " times with a total of " + totC + " and an average of " + totC / cntC);
        Console.WriteLine("E found " + cntE + " times with a total of " + totE + " and an average of " + totE / cntE);
        Console.WriteLine("P found " + cntP + " times with a total of " + totP + " and an average of " + totP / cntP);

代码：

dat = read.csv("data.csv", header = TRUE)

cntC = 0; cntE = 0; cntP = 0  # counts
totC = 0; totE = 0; totP = 0  # totals
for(i in 1:nrow(dat))
{
    if(is.na(dat[i,2])) # missing data
        next

    if(dat[i,1] == "C"){
        totC = totC + dat[i,2]
        cntC = cntC + 1
    }
    if(dat[i,1] == "E"){
        totE = totE + dat[i,2]
        cntE = cntE + 1
    }
    if(dat[i,1] == "P"){
        totP = totP + dat[i,2]
        cntP = cntP + 1
    }
}
sprintf("C found %d times with a total of %f and an average of %f", cntC, totC, (totC / cntC))
sprintf("E found %d times with a total of %f and an average of %f", cntE, totE, (totE / cntE))
sprintf("P found %d times with a total of %f and an average of %f", cntP, totP, (totP / cntP))
4

3 回答 3

4

我会使用这个data.table包，因为它内置了按功能分组。 

 library(data.table)
 dat <- data.table(dat)

 dat[, mean(COL_NAME_TO_TAKE_MEAN_OF), by=COL_NAME_TO_GROUP_BY]
       # no quotes for the column names

如果您想在多列上取平均值（或执行其他功能），仍然按组，请使用：

 dat[, lapply(.SD, mean), by=COL_NAME_TO_GROUP_BY]

或者，如果你想使用 Base R，你可以使用类似

 by(dat, dat[, 1], lapply, mean)
 # to convert the results to a data.frame, use  
 do.call(rbind,  by(dat, dat[, 1], lapply, mean) )
于 2013-08-05T21:34:09.360 回答
3

单程：

library(plyr)

ddply(dat, .(columnOneName), summarize, Average = mean(columnTwoName))
于 2013-08-05T21:37:59.263 回答
3

我会做这样的事情：

dat = dat[complete.cases(dat),]  ## The R way to remove missing data
dat[,2] <- as.numeric(dat[,2])   ## convert to numeric as you do in c#
by(dat[,2],dat[,1],mean)         ## compute the mean by group

当然要将结果汇总到 data.frame 中，您可以使用 classic ，但我认为这里没有必要，因为它是 3 个变量的列表：

 do.call(rbind,result)

编辑1

这里的另一个选择是使用优雅的ave：

ave(dat[,2],dat[,1])

但是这里的结果是不同的。从某种意义上说，您将获得与原始数据长度相同的向量。

EDIT2要包含更多结果，您可以详细说明匿名函数：

by(dat[,2],dat[,1],function(x) c(min(x),max(x),mean(x),sd(x)))

或者返回data.frame更适合rbind调用并带有列名：

by(dat[,2],dat[,1],function(x) 
            data.frame(min=min(x),max=max(x),mean=mean(x),sd=sd(x)))

或者使用优雅的内置函数（你也可以定义你的）summary：

by(dat[,2],dat[,1],summary)
于 2013-08-05T21:53:30.260 回答