Вычислить среднее значение определенных векторов различных элементов списка() в R и преобразовать в data.frame

У меня есть очень большой list(), который имеет +2000 элементов, где каждый элемент имеет два вектора (x и y) с разными размерами между элементами списка.

Пример:

new_list<-list(data.frame(x = c(1,2,3),
                          y = c(3,4,5)),
               data.frame(x = c(3,2,2,2,3,8),
                          y = c(5,2,3,5,6,7)),
               data.frame(x = c(3,2,2,1,1),
                          y = c(5,2,3,3,2)))

Я хотел бы усреднить только векторы x в этом списке, чтобы получить что-то вроде этого:

df_mean<-data.frame(x=c(2,3.333,1.8))
Стоит ли изучать PHP в 2023-2024 годах?
Стоит ли изучать PHP в 2023-2024 годах?
Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.
Приемы CSS-макетирования - floats и Flexbox
Приемы CSS-макетирования - floats и Flexbox
Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...
Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest
В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...
Концепция локализации и ее применение в приложениях React ⚡️
Концепция локализации и ее применение в приложениях React ⚡️
Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...
Пользовательский скаляр GraphQL
Пользовательский скаляр GraphQL
Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...
0
0
82
6
Перейти к ответу Данный вопрос помечен как решенный

Ответы 6

Ответ принят как подходящий

Вы можете рассчитать colMeans для каждого столбца, в котором есть x с sapply, следующим образом:

data.frame(x = sapply(new_list, \(x) colMeans(x[grepl('x', names(x))])))
#>          x
#> 1 2.000000
#> 2 3.333333
#> 3 1.800000

@nicola предложила такой вариант получше (спасибо!):

data.frame(x = sapply(new_list, \(x) mean(x$x)))
#>          x
#> 1 2.000000
#> 2 3.333333
#> 3 1.800000

Created on 2023-02-06 with reprex v2.0.2

Почему бы не просто \(x) mean(x$x)?

nicola 06.02.2023 17:59

Использование map

library(purrr)
library(dplyr)
map_dfr(new_list, ~ .x %>% 
    summarise(x = mean(x)))
         x
1 2.000000
2 3.333333
3 1.800000

один квест: в map_dfr(new_list, ~ .x "x" это функция или переменная x из списка?

wesleysc352 06.02.2023 18:15

@ wesleysc352 это лямбда-функция, синтаксис function(x) x в tidyverse. ~ относится к function(.x)

akrun 06.02.2023 18:16

Вы также можете enframe список и сделать mean по группам:

library(dplyr) #1.1.0 or higher
library(tibble)
enframe(new_list) %>% 
  unnest(value) %>% 
  summarise(x = mean(x), .by = name)

#   name     x
#1     1  2   
#2     2  3.33
#3     3  1.8 

Хороший ответ Квинтена. Обычно я предпочитаю следовать принципу KISS. Вот формат, который я считаю синтаксически более простым:

len <- length(new_list)
sapply(1:len, function(z) mean(new_list[[z]][[1]]))
[1] 2.000000 3.333333 1.800000

В этом относительно простом случае я бы предпочел более краткое решение, предложенное @quinten. Однако, если вам нужно рассчитать дополнительную статистику по вложенным фреймам данных, вы можете рассмотреть что-то вроде этого:

library(tidyverse)

tibble(data = new_list) |> 
  rowwise() |> 
  summarise(
    x = mean(data$x)
  )
#> # A tibble: 3 × 1
#>       x
#>   <dbl>
#> 1  2   
#> 2  3.33
#> 3  1.8

или альтернативно

tibble(data = new_list) |> 
  rowwise() |> 
  summarise(
    data |> 
      summarise(x = mean(x))
  )
#> # A tibble: 3 × 1
#>       x
#>   <dbl>
#> 1  2   
#> 2  3.33
#> 3  1.8

Использование data.tablerbindlist:

data.table::rbindlist(new_list, idcol = TRUE)[, .(x = mean(x)), .id][, 2]
#>           x
#> 1: 2.000000
#> 2: 3.333333
#> 3: 1.800000

Другие вопросы по теме