r - 计算行意味着仅针对在 R 中具有多个数据点的行

Question

我正在尝试计算行均值以从 3 个评估点创建平均变量。我想包括具有 2 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

当前输出为除一行之外的所有行生成一个均值列表，其中有 3 个 NA:

[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

这样只有具有至少两个数据点的行才会用于计算平均值，而不是将单个数据点作为行平均值返回。

这是一个复杂的规则，我不知道如何定义它。任何帮助，将不胜感激。
(这是一个有几千行的数据集，所以手动做是不可想象的!)

谢谢!
苏菲

Answer 1

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，请计算平均值。

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)

读取功能最好由内而外完成。这将采用向量 x看看有多少不是 NA。当它对 (sum) TRUE/FALSE 值求和时，它会预先将它们分别变为 1 和 0。然后，如果有超过 1 个(即 2 个或更多)值 - 不是 NA，它会执行测试。

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

我们将此功能应用于您的 data.frame逐行，如 MARGIN = 1 所示.如果你有一个按列工作的函数，你可以使用 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