Средние значения различной длины в R

Question

Я пытаюсь вычислить средние оценки для ответов на различные события. Мои данные представлены в длинном формате с одной строкой для каждого события, пример набора данных data здесь:

Subject  Event   R1  R2 R3 R4   Average
1        A       1   2  2  N/A   2.5
1        B       1   1  1  1     1

Таким образом, чтобы получить среднее значение для события A, было бы (R1 + R2 + R3) / 3 игнорируя N / A, тогда как событие B имеет 4 ответа. Я вычислил среднее значение для события A в dplyr следующим образом:

data$average <- data%>%filter(Event == "A") %>% with(data, (R1 + R2 + R3)/4) 

Я столкнулся с проблемами, когда попытался сделать то же самое для следующего события ... Спасибо за помощь!

Answer 1

Следующее не включает значение NA как часть вычисления среднего значения ( na.rm = TRUE ). Кроме того, я думаю, что группировка по событиям важна. При запуске без group_by в вычислениях объединяются все события, и результирующее значение равно 1,285714 (= 9/7 obs).

data <- data.frame(
  Subject=c(1,1),
  Event=c('A', 'B'),
  R1=c(1,1),
  R2=c(2,1),
  R3=c(2,1),
  R4=c(NA,1)
)

df <- data %>%
  group_by(Event) %>%
  mutate(Average = mean(c(R1,R2,R3,R4), na.rm=TRUE))

Выход:

Subject Event    R1    R2    R3    R4 Average
    <dbl> <fct> <dbl> <dbl> <dbl> <dbl>   <dbl>
1       1 A         1     2     2    NA    1.67
2       1 B         1     1     1     1    1   

Answer 2

Вам не нужно фильтровать каждое событие за раз. dplyr способен обрабатывать все строки одновременно, одну за другой. Также при использовании dplyr вам не нужно присваивать переменную вне контекста, например, data$average <- (something). Вы можете использовать mutate(). Таким образом, интуитивно понятный синтаксис для dplyr будет:

data <-
  data %>%
  mutate(average = mean(c(R1, R2, R3, R4), na.rm = TRUE))

Answer 3

Вы можете использовать rowMeans, чтобы вычислить средние значения для каждой строки кадра данных. Укажите во входных данных, какие столбцы вы хотите включить. Чтобы игнорировать NA set na.rm=TRUE.

data$Average <- rowMeans(data[,c("R1", "R2", "R3", "R4")], na.rm=TRUE)

Если у вас было много столбцов для усреднения и вы не хотите их выводить все, вы можете использовать grep, чтобы соответствовать именам data к любому шаблону. Например, вы хотите усреднить все строки, содержащие в своем имени букву «R»:

data$Average <- rowMeans(data[,grep("R",names(data))], na.rm=TRUE)

Answer 4

Просто чтобы завершить все предыдущие ответы, если у вас есть несколько значений с именами R1, R2, .... R100, вместо записи всех их в функцию mean, вас может заинтересовать преобразовать ваш фрейм данных в более длинный формат с помощью функции pivot_longer, а затем сгруппировать по событию и вычислить среднее значение. Наконец, используя pivot_wider, вы можете перевести ваш фрейм данных в исходный более широкий формат.

library(dplyr)
library(tidyr)
df %>% mutate_at(vars(contains("R")), as.numeric) %>%
    pivot_longer(cols = starts_with("R"), names_to = "R", values_to = "Values") %>%
    group_by(Event) %>%
    mutate(average = mean(Values, na.rm = TRUE)) %>%
    pivot_wider(names_from = R, values_from = Values)

# A tibble: 2 x 8
# Groups:   Event [2]
  Subject Event Average average    R1    R2    R3    R4
    <int> <chr>   <dbl>   <dbl> <dbl> <dbl> <dbl> <dbl>
1       1 A         2.5    1.67     1     2     2    NA
2       1 B         1      1        1     1     1     1

Как уже упоминалось @TTS, в вычислении среднего значения события A что-то не так.

Воспроизводимый пример

structure(list(Subject = c(1L, 1L), Event = c("A", "B"), R1 = c(1L, 
1L), R2 = 2:1, R3 = 2:1, R4 = c("N/A", "1"), Average = c(2.5, 
1)), row.names = c(NA, -2L), class = c("data.table", "data.frame"
), .internal.selfref = <pointer: 0x5555743c1310>)