我有一个看起来像这样的数据框
a b c d
1 1 1 0
1 1 1 200
1 1 1 300
1 1 2 0
1 1 2 600
1 2 3 0
1 2 3 100
1 2 3 200
1 3 1 0
我有一个看起来像这样的数据框
a b c d
1 1 1 250
1 1 2 600
1 2 3 150
1 3 1 0
我目前正在做
{
n=nrow(subset(Wallmart, a==i & b==j & c==k ))
sum=subset(Wallmart, a==i & b==j & c==k )
#sum
sum1=append(sum1,sum(sum$d)/(n-1))
}
我想添加 'd' 列并通过计算行数而不计算 0 来取平均值。例如,第一行是 (200+300)/2 = 250。
目前我正在构建一个存储“d”列的列表,但理想情况下我希望它采用上述格式。例如,第一行看起来像
a b c d
1 1 1 250
这是完成这项工作的一种非常低效的方式。代码需要很长时间才能循环运行。
因此,感谢任何帮助使其运行得更快。原始数据框大约有一百万行。
最佳答案
你可以试试 aggregate
:
aggregate(d ~ a + b + c, data = df, sum)
# a b c d
# 1 1 1 1 500
# 2 1 3 1 0
# 3 1 1 2 600
# 4 1 2 3 300
正如@Roland 所指出的,对于更大的数据集,您可以尝试
data.table
或 dplyr
相反,例如:library(dplyr)
df %>%
group_by(a, b, c) %>%
summarise(
sum_d = sum(d))
# Source: local data frame [4 x 4]
# Groups: a, b
#
# a b c sum_d
# 1 1 1 1 500
# 2 1 1 2 600
# 3 1 2 3 300
# 4 1 3 1 0
编辑 以下更新的问题。
如果你想计算分组平均值,排除零行,你可以试试这个:
aggregate(d ~ a + b + c, data = df, function(x) mean(x[x > 0]))
# a b c d
# 1 1 1 1 250
# 2 1 3 1 NaN
# 3 1 1 2 600
# 4 1 2 3 150
df %>%
filter(d != 0) %>%
group_by(a, b, c) %>%
summarise(
mean_d = mean(d))
# a b c mean_d
# 1 1 1 1 250
# 2 1 1 2 600
# 3 1 2 3 150
但是,因为您似乎希望将零视为缺失值而不是数字零,所以我认为最好将它们转换为
NA
在准备数据集时,在计算之前。df$d[df$d == 0] <- NA
df %>%
group_by(a, b, c) %>%
summarise(
mean_d = mean(d, na.rm = TRUE))
# a b c mean_d
# 1 1 1 1 250
# 2 1 1 2 600
# 3 1 2 3 150
# 4 1 3 1 NaN
关于r - 基于特定条件进行过滤和添加的有效方法(本例中为 3 个条件),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/23321300/