仅计算 R 中具有多个数据点的行的行均值

Question

我正在尝试计算行均值以从 3 个评估点创建一个平均变量。我想包括具有 2 个或 3 个测量点的案例，但不包括只有一个测量点的案例。

例如，

> a <- c(1,0,NA,1,NA,0,1,0,NA,0,NA)
> b <- c(1,0,NA,1,0,1,1,1,NA,0,1)
> c <- c(1,NA,NA,0,NA,0,1,1,1,0,0)
> mydata <- data.frame(a,b,c)
> mydata$M <- rowMeans(subset(mydata, select = c(1:3)), na.rm = TRUE)
> mydata$M

当前输出为除具有 3 个 NA 的行之外的所有行生成均值列表：

[1] 1.00 0.00 NaN 0.66 0.00 0.33 1.00 0.66 1.00 0.00 0.50

但是，我想要的输出是：

[1] 1.00 0.00 NaN 0.66 NaN 0.33 1.00 0.66 NaN 0.00 0.50

这样只有至少包含两个数据点的行才会被用来计算平均值，而不是返回单个数据点作为行平均值。

这是一个复杂的规则，我不确定如何定义它。任何帮助，将不胜感激。（这是一个几千行的数据集，手动做是不可想象的！）

谢谢！苏菲

Answer 1

你可以用 dplyr 来尝试这样的事情：

library(dplyr)
mydata %>%
  mutate(row_mean = ifelse((is.na(a)+is.na(b)+is.na(c)) %in% 2:3, NaN, 
                           rowMeans(.[1:3], na.rm = TRUE)))

结果：

    a  b  c  row_mean
1   1  1  1 1.0000000
2   0  0 NA 0.0000000
3  NA NA NA       NaN
4   1  1  0 0.6666667
5  NA  0 NA       NaN
6   0  1  0 0.3333333
7   1  1  1 1.0000000
8   0  1  1 0.6666667
9  NA NA  1       NaN
10  0  0  0 0.0000000
11 NA  1  0 0.5000000

Answer 2

您可以创建一个函数，根据某些条件对行应用均值。在您的示例中，如果有两个或多个有效测量值，则计算平均值。

a <- c(1,0,NA,1,NA,0,1,0,NA,0,NA)
b <- c(1,0,NA,1,0,1,1,1,NA,0,1)
c <- c(1,NA,NA,0,NA,0,1,1,1,0,0)
mydata <- data.frame(a,b,c)

阅读函数最好由内而外。这将采用向量 x 并查看有多少 not NA。当它对 TRUE/FALSE 值求和 (sum) 时，它会预先将它们分别变为 1 和 0。然后它执行测试是否有超过 1 个（所以 2 个或更多）值 - 不是 NA。

conditionalMean <- function(x) {
  if (sum(!is.na(x)) > 1) {
    mean(x, na.rm = TRUE)
  } else {
    NA
  }
}

我们将此函数应用于您的 data.frame 行，如 MARGIN = 1 所示。如果你有一个按列工作的函数，你会使用 MARGIN = 2。你可以试试看。比较 apply(mydata, MARGIN = 2, FUN = mean, na.rm = TRUE) 和 colMeans(mydata, na.rm = TRUE).

apply(mydata, MARGIN = 1, FUN = conditionalMean)

 [1] 1.0000000 0.0000000        NA 0.6666667        NA 0.3333333 1.0000000
 [8] 0.6666667        NA 0.0000000 0.5000000

仅计算 R 中具有多个数据点的行的行均值

calculating row means for only rows that have more than one data point in R

r

missing-data