Как я могу заменить несколько значений на ячейку средним на ячейку для нескольких столбцов и строк в R

Question

У меня есть набор данных, который мне нужно привести в порядок, но я не могу понять, как это сделать эффективно. Набор данных имеет несколько значений на ячейку в нескольких столбцах, и я хочу заменить несколько значений на ячейку одним значением, предпочтительно средним значением нескольких значений.

Я думаю, что мне нужно сначала разделить столбцы с несколькими значениями для каждой ячейки на несколько столбцов (так, чтобы в каждой ячейке было только одно значение), а затем вычислить среднее значение и получить это среднее значение для замены нового столбца. исходный столбец (и дополнительные столбцы, которые я создал при разделении). Как бы я сделал это эффективным способом? Или что является лучшим решением?

Мои данные имеют 663 строки и 55 столбцов, и многие столбцы имеют несколько значений на ячейку. Вот пример частей моих данных:

                   X h_max h_min       seed_wght ell_light_uk ell_moist_uk ell_pH_uk  ell_N  ell_S
1    Achillea millefolium    45     8        0.16;0.2        7;8;7        5;5;4   6x;6;NA  4;5;5  1;1;1
2       Achillea ptarmica    60    20        0.31;0.2        7;8;7        8;7;8     4;5;4  3;2;4  0;0;0
3   Aegopodium podagraria   100    40        1.99;2.2       5;6x;6        6;5;6     6;7;7  8;8;7  0;0;1
4     Agrimonia eupatoria    60    30         2.96;13        7;7;7        4;4;4     8;7;8  4;4;4  0;0;1
5         Agrostis canina    70    10       0.05;0.06        7;7;9        7;9;9     3;3;3  2;3;2  0;0;0
6     Agrostis capillaris    70    10 0.07;0.06;0.075        7;6;7      4x;NA;5     4;4;4  4;4;4  0;0;0
7       Agrostis gigantea    70    10       0.08;0.09        7;7;7        6;6;8     6;7;7  6;6;7  0;1;0
8    Agrostis stolonifera   100    15       0.07;0.02        7;7;8       6;7~;7   7;6x;NA  5;6;5  1;0;1
9       Ajuga chamaepitys    20     5     1.6602;1.16        7;7;8        4;3;4     8;9;8  2;2;4  0;0;0
10       Ajuga genevensis  <NA>  <NA>            <NA>         <NA>         <NA>      <NA>   <NA>   <NA>
11      Ajuga pyramidalis    30    10       1.373;1.6        7;7;7        5;5;5     1;1;5  1;2;2  0;0;0
12          Ajuga reptans    30    10             1.4        5;5;6        6;7;6     6;5;6  5;6;6  0;0;0
13      Alchemilla glabra    60  <NA>            0.51       7;6;NA       5;NA;6    6;6;NA 4;NA;6 0;0;NA
14 Alchemilla glaucescens    20  <NA>      0.487;0.46        7;7;7        5;5;5     4;4;7  3;5;4  0;0;0
15   Alchemilla monticola    40  <NA>           0.689        6;7;6        5;4;5     6;6;6  4;4;4  0;0;0
16    Alchemilla vulgaris  <NA>  <NA>            <NA>         <NA>         <NA>      <NA>   <NA>   <NA>
17     Alliaria petiolata   120    20   2.25;3.4;3.03       5;5;5x        5;6;5     7;7;7  8;8;9  0;0;0
18       Allium angulosum  <NA>  <NA>            <NA>         <NA>         <NA>      <NA>   <NA>   <NA>
19     Allium lusitanicum  <NA>  <NA>            <NA>         <NA>         <NA>      <NA>   <NA>   <NA>
20       Allium oleraceum    80    25           0.881        6;7;7        3;5;4     7;7;7  4;4;4  0;0;0

Буду очень признателен за любую помощь!

Answer 1

Вы можете написать функцию, которая разбивает значение на разделитель и вычисляет его mean

split_and_mean <- function(x) {
   sapply(strsplit(x, ";"), function(x) mean(as.numeric(x)))
}

, а затем применяет его к выбранным столбцам

df[4:9] <- lapply(df[4:9], split_and_mean)

df
#                       X h_max h_min seed_wght ell_light_uk ell_moist_uk ell_pH_uk ell_N ell_S
#1    Achilleamillefolium    45     8    0.1800         7.33         4.67        NA  4.67 1.000
#2       Achilleaptarmica    60    20    0.2550         7.33         7.67      4.33  3.00 0.000
#3   Aegopodiumpodagraria   100    40    2.0950           NA         5.67      6.67  7.67 0.333
#4     Agrimoniaeupatoria    60    30    7.9800         7.00         4.00      7.67  4.00 0.333
#5         Agrostiscanina    70    10    0.0550         7.67         8.33      3.00  2.33 0.000
#6     Agrostiscapillaris    70    10    0.0683         6.67           NA      4.00  4.00 0.000
#7       Agrostisgigantea    70    10    0.0850         7.00         6.67      6.67  6.33 0.333
#8    Agrostisstolonifera   100    15    0.0450         7.33           NA        NA  5.33 0.667
#9       Ajugachamaepitys    20     5    1.4101         7.33         3.67      8.33  2.67 0.000
#10       Ajugagenevensis  <NA>  <NA>        NA           NA           NA        NA    NA    NA
#11      Ajugapyramidalis    30    10    1.4865         7.00         5.00      2.33  1.67 0.000
#12          Ajugareptans    30    10    1.4000         5.33         6.33      5.67  5.67 0.000
#13      Alchemillaglabra    60  <NA>    0.5100           NA           NA        NA    NA    NA
#14 Alchemillaglaucescens    20  <NA>    0.4735         7.00         5.00      5.00  4.00 0.000
#15   Alchemillamonticola    40  <NA>    0.6890         6.33         4.67      6.00  4.00 0.000
#16    Alchemillavulgaris  <NA>  <NA>        NA           NA           NA        NA    NA    NA
#17     Alliariapetiolata   120    20    2.8933           NA         5.33      7.00  8.33 0.000
#18       Alliumangulosum  <NA>  <NA>        NA           NA           NA        NA    NA    NA
#19     Alliumlusitanicum  <NA>  <NA>        NA           NA           NA        NA    NA    NA
#20       Alliumoleraceum    80    25    0.8810         6.67         4.00      7.00  4.00 0.000

Это возвращает предупреждения, потому что там столбцы со значениями NA, которые нельзя разделить, но можно игнорировать предупреждения.

---

Аналогичная концепция с использованием tidyverse, преобразование данных в длинный формат, разделение на ";", получение mean и получение данных в широком формате снова.

library(tidyverse)
df %>%
  pivot_longer(cols = 4:9) %>%
   mutate(value = map_dbl(str_split(value, ";"), ~mean(as.numeric(.x)))) %>%
   pivot_wider()

data

Эти данные использовались для тестирования решений. Убедитесь, что у вас есть столбцы в виде символов, а не факторов перед применением решения.

df <- structure(list(X = c("Achilleamillefolium", "Achilleaptarmica", 
"Aegopodiumpodagraria", "Agrimoniaeupatoria", "Agrostiscanina", 
"Agrostiscapillaris", "Agrostisgigantea", "Agrostisstolonifera", 
"Ajugachamaepitys", "Ajugagenevensis", "Ajugapyramidalis", "Ajugareptans", 
"Alchemillaglabra", "Alchemillaglaucescens", "Alchemillamonticola", 
"Alchemillavulgaris", "Alliariapetiolata", "Alliumangulosum", 
"Alliumlusitanicum", "Alliumoleraceum"), h_max = c("45", "60", 
"100", "60", "70", "70", "70", "100", "20", "<NA>", "30", "30", 
"60", "20", "40", "<NA>", "120", "<NA>", "<NA>", "80"), h_min = c("8", 
"20", "40", "30", "10", "10", "10", "15", "5", "<NA>", "10", 
"10", "<NA>", "<NA>", "<NA>", "<NA>", "20", "<NA>", "<NA>", "25"
), seed_wght = c("0.16;0.2", "0.31;0.2", "1.99;2.2", "2.96;13", 
"0.05;0.06", "0.07;0.06;0.075", "0.08;0.09", "0.07;0.02", "1.6602;1.16", 
"<NA>", "1.373;1.6", "1.4", "0.51", "0.487;0.46", "0.689", "<NA>", 
"2.25;3.4;3.03", "<NA>", "<NA>", "0.881"), ell_light_uk = c("7;8;7", 
"7;8;7", "5;6x;6", "7;7;7", "7;7;9", "7;6;7", "7;7;7", "7;7;8", 
"7;7;8", "<NA>", "7;7;7", "5;5;6", "7;6;NA", "7;7;7", "6;7;6", 
"<NA>", "5;5;5x", "<NA>", "<NA>", "6;7;7"), ell_moist_uk = c("5;5;4", 
"8;7;8", "6;5;6", "4;4;4", "7;9;9", "4x;NA;5", "6;6;8", "6;7~;7", 
"4;3;4", "<NA>", "5;5;5", "6;7;6", "5;NA;6", "5;5;5", "5;4;5", 
"<NA>", "5;6;5", "<NA>", "<NA>", "3;5;4"), ell_pH_uk = c("6x;6;NA", 
"4;5;4", "6;7;7", "8;7;8", "3;3;3", "4;4;4", "6;7;7", "7;6x;NA", 
"8;9;8", "<NA>", "1;1;5", "6;5;6", "6;6;NA", "4;4;7", "6;6;6", 
"<NA>", "7;7;7", "<NA>", "<NA>", "7;7;7"), ell_N = c("4;5;5", 
"3;2;4", "8;8;7", "4;4;4", "2;3;2", "4;4;4", "6;6;7", "5;6;5", 
"2;2;4", "<NA>", "1;2;2", "5;6;6", "4;NA;6", "3;5;4", "4;4;4", 
"<NA>", "8;8;9", "<NA>", "<NA>", "4;4;4"), ell_S = c("1;1;1", 
"0;0;0", "0;0;1", "0;0;1", "0;0;0", "0;0;0", "0;1;0", "1;0;1", 
"0;0;0", "<NA>", "0;0;0", "0;0;0", "0;0;NA", "0;0;0", "0;0;0", 
"<NA>", "0;0;0", "<NA>", "<NA>", "0;0;0")), row.names = c("1", 
"2", "3", "4", "5", "6", "7", "8", "9", "10", "11", "12", "13", 
"14", "15", "16", "17", "18", "19", "20"), class = "data.frame")

Answer 2

С tidyverse мы можем сделать

library(dplyr)
library(purrr)
df %>% 
   mutate_at(4:9, ~ strsplit(., ';') %>% 
                        map_dbl(~ mean(as.numeric(.x), na.rm = TRUE)))

data

df <- structure(list(X = c("Achilleamillefolium", "Achilleaptarmica", 
"Aegopodiumpodagraria", "Agrimoniaeupatoria", "Agrostiscanina", 
"Agrostiscapillaris", "Agrostisgigantea", "Agrostisstolonifera", 
"Ajugachamaepitys", "Ajugagenevensis", "Ajugapyramidalis", "Ajugareptans", 
"Alchemillaglabra", "Alchemillaglaucescens", "Alchemillamonticola", 
"Alchemillavulgaris", "Alliariapetiolata", "Alliumangulosum", 
"Alliumlusitanicum", "Alliumoleraceum"), h_max = c("45", "60", 
"100", "60", "70", "70", "70", "100", "20", "<NA>", "30", "30", 
"60", "20", "40", "<NA>", "120", "<NA>", "<NA>", "80"), h_min = c("8", 
"20", "40", "30", "10", "10", "10", "15", "5", "<NA>", "10", 
"10", "<NA>", "<NA>", "<NA>", "<NA>", "20", "<NA>", "<NA>", "25"
), seed_wght = c("0.16;0.2", "0.31;0.2", "1.99;2.2", "2.96;13", 
"0.05;0.06", "0.07;0.06;0.075", "0.08;0.09", "0.07;0.02", "1.6602;1.16", 
"<NA>", "1.373;1.6", "1.4", "0.51", "0.487;0.46", "0.689", "<NA>", 
"2.25;3.4;3.03", "<NA>", "<NA>", "0.881"), ell_light_uk = c("7;8;7", 
"7;8;7", "5;6x;6", "7;7;7", "7;7;9", "7;6;7", "7;7;7", "7;7;8", 
"7;7;8", "<NA>", "7;7;7", "5;5;6", "7;6;NA", "7;7;7", "6;7;6", 
"<NA>", "5;5;5x", "<NA>", "<NA>", "6;7;7"), ell_moist_uk = c("5;5;4", 
"8;7;8", "6;5;6", "4;4;4", "7;9;9", "4x;NA;5", "6;6;8", "6;7~;7", 
"4;3;4", "<NA>", "5;5;5", "6;7;6", "5;NA;6", "5;5;5", "5;4;5", 
"<NA>", "5;6;5", "<NA>", "<NA>", "3;5;4"), ell_pH_uk = c("6x;6;NA", 
"4;5;4", "6;7;7", "8;7;8", "3;3;3", "4;4;4", "6;7;7", "7;6x;NA", 
"8;9;8", "<NA>", "1;1;5", "6;5;6", "6;6;NA", "4;4;7", "6;6;6", 
"<NA>", "7;7;7", "<NA>", "<NA>", "7;7;7"), ell_N = c("4;5;5", 
"3;2;4", "8;8;7", "4;4;4", "2;3;2", "4;4;4", "6;6;7", "5;6;5", 
"2;2;4", "<NA>", "1;2;2", "5;6;6", "4;NA;6", "3;5;4", "4;4;4", 
"<NA>", "8;8;9", "<NA>", "<NA>", "4;4;4"), ell_S = c("1;1;1", 
"0;0;0", "0;0;1", "0;0;1", "0;0;0", "0;0;0", "0;1;0", "1;0;1", 
"0;0;0", "<NA>", "0;0;0", "0;0;0", "0;0;NA", "0;0;0", "0;0;0", 
"<NA>", "0;0;0", "<NA>", "<NA>", "0;0;0")), row.names = c("1", 
"2", "3", "4", "5", "6", "7", "8", "9", "10", "11", "12", "13", 
"14", "15", "16", "17", "18", "19", "20"), class = "data.frame")