r - 在 R 与 sum(Dataframe$columns)/N 中使用聚合函数有何不同？

Question

我有一个如下所示的数据框 X:

A B C D E Identifier  
1 2 3 4 5          a  
2 3 2 2 1          b  
4 5 4 5 3          a   
2 3 4 5 6          a  
0 0 1 2 3          a  
1 2 1 1 1          b  

(这里的范围是 6，因为记录观察的时间段是 6。​​)

现在我想根据标识符计算 A、B、C、D、E 中每一个的平均值。为此，我使用了 Process1

avgcalls <- function(calls){
  totcalls <- sum(calls)
  out <- totcalls/6
  return(out)
}

avgcallsdf <- data.frame((aggregate(X[, 1:4], by = X[6], avgcalls)))

输出看起来像这样

  Identifier        A          B    C     D
1          a  1.66667  1.6666667  2.0   2.5 
2          b  0.50000  0.8333333  0.5   0.5

或者我做了(请提出更好的方法)
进程2

samp1<-D[which(D$Identifier=='a')] #creating one dataframe with identifier as 'a'  
samp2<-D[which(D$Identifier=='b')]#creating another dataframe with'b'as identifier  

#calculating means   
mean1<-sum(sampl$A, na.rm=TRUE)/6  
mean2<-sum(sampl$B, na.rm=TRUE)/6  
mean3<-sum(sampl$C, na.rm=TRUE)/6  
mean4<-sum(sampl$D, na.rm=TRUE)/6
mean5<-sum(samp1$E, na.rm=TRUE)/6
finaldf<-data.frame(mean1,mean2,mean3,mean4,mean5)

类似地，我在上面用 samp2 做了 两个结果是相同的。

我的实际数据有 1008 列和大约 80,000 行，结果会有所不同吗 Process 1和Process2是否存在NA？

我看了这个Getting different results using aggregate() and sum() functions in R但这不是很有帮助

Answer 1

我们也可以使用data.table

library(data.table)
setDT(df1)[, lapply(.SD, mean), Identifier]
#   Identifier    A   B   C   D    E
#1:          a 1.75 2.5 3.0 4.0 4.25
#2:          b 1.50 2.5 1.5 1.5 1.00

如果我们需要 sum 除以 n=6

setDT(df1)[, lapply(.SD, function(x) sum(x, na.rm=TRUE)/6), Identifier] 
#   Identifier        A         B   C        D         E
#1:          a 1.166667 1.6666667 2.0 2.666667 2.8333333
#2:          b 0.500000 0.8333333 0.5 0.500000 0.3333333