我有一个看起来像这样的data.frame
> head(df)
Memory Memory Memory Memory Memory Naive Naive
10472501 6.075714 5.898929 6.644946 6.023901 6.332126 8.087944 7.520194
10509163 6.168941 6.495393 5.951124 6.052527 6.404401 7.152890 8.335509
10496091 10.125575 9.966211 10.075613 10.310952 10.090649 11.803949 11.274480
10427035 6.644921 6.658567 6.569745 6.499243 6.990852 8.010784 7.798154
10503695 8.379494 8.153917 8.246484 8.390747 8.346748 9.540236 9.091740
10451763 10.986717 11.233819 10.643245 10.230697 10.541396 12.248487 11.823138
我想找到内存列的平均值和朴素列的平均值.聚合函数聚合行.这个data.frame可能有大量的行,因此转换然后通过原始data.frame的colnames应用聚合使我觉得糟糕,并且通常很烦人：
> head(t(aggregate(t(df),list(colnames(df)),mean)))
[,1] [,2]
Group.1 "Memory" "Naive"
10472501 "6.195123" "8.125439"
10509163 "6.214477" "7.733625"
10496091 "10.11380" "11.55348"
10427035 "6.672665" "8.266854"
10503695 "8.303478" "9.340436"
我错过了一件令人眼花缭乱的明显事情？
我是重新格式化数据的主要倡导者,因此它采用“长”格式.当涉及到像这样的问题时,长格式的效用尤其明显.幸运的是,使用reshape包将这样的数据重塑成几乎任何格式都很容易.
原文链接：https://www.f2er.com/javaschema/281565.html如果我理解你的问题,那么你想要每行的记忆和朴素的意思.无论出于何种原因,我们需要为reshape :: melt()创建唯一的列名.
colnames(df) <- paste(colnames(df),1:ncol(df),sep = "_")
然后,您将必须创建一个ID列.你可以做到
df$ID <- 1:nrow(df)
或者,如果这些rownames是有意义的
df$ID <- rownames(df)
现在,使用重塑包
library(reshape)
df.m <- melt(df,id = "ID")
df.m <- cbind(df.m,colsplit(df.m$variable,split = "_",names = c("Measure","N")))
df.agg <- cast(df.m,ID ~ Measure,fun = mean)
df.agg现在应该看起来像你想要的输出snippit.
或者,如果你只想要所有行的整体意义,Zack的建议将会奏效.就像是
m <- colMeans(df) tapply(m,colnames(df),mean)
您可以获得相同的结果,但格式化为数据框
cast(df.m,.~variable,fun = mean)
