每列每 n 行的统计信息 [英] Stats on every n rows for each column

问题描述

我想计算每第 n 个(在我的情况下为每 6 个)行(或样本)的均值和标准差.下面的函数给了我每 6 行的平均值(96 行给了我 16 个平均值)

I would like to calculate the mean and standard deviation for every nth (in my case every 6) rows (or samples). The following function gives me the means for every 6 rows (96 rows gives me 16 mean values)

colMeans(matrix(data.trim$X0, nrow=6))

我想对所有列(总共 1280 个平均值)执行此操作.我尝试运行此功能:

I would like to do this for ALL columns (a total of 1280 mean values). I tried running this function:

colMeans(matrix(data.trim, nrow=6))

但这根本不起作用，我收到以下错误消息:

but this does not work at all and I get the following error message:

colMeans(matrix(data.trim, nrow = 6)) 中的错误:'x' 必须是数字

Error in colMeans(matrix(data.trim, nrow = 6)) : 'x' must be numeric

另外:警告信息:

In matrix(data.trim, nrow = 6) : 数据长度[80]不是行数[6]的约数或倍数

In matrix(data.trim, nrow = 6) : data length [80] is not a sub-multiple or multiple of the number of rows [6]

推荐答案

您可以使用 sapply 将该功能应用于每一列:

You can apply the function to each column with sapply:

sapply(iris[1:4], function(x) colMeans(matrix(x, nrow=6)))
      Sepal.Length Sepal.Width Petal.Length Petal.Width
 [1,]     4.950000    3.383333     1.450000   0.2333333
 [2,]     4.850000    3.316667     1.483333   0.2000000
 [3,]     5.183333    3.633333     1.316667   0.2500000

...

[23,]     6.533333    2.950000     5.583333   1.9333333
[24,]     6.516667    3.033333     5.316667   2.1333333
[25,]     6.383333    3.033333     5.266667   2.1333333

与手动创建前六行的均值相比:

Compare with creating the means of the first six rows manually:

colMeans(iris[1:6, 1:4])
Sepal.Length  Sepal.Width Petal.Length  Petal.Width 
   4.9500000    3.3833333    1.4500000    0.2333333 

你也可以使用 aggregate 来做到这一点，给定正确的 by 参数:

You can also do this with aggregate given the proper by argument:

aggregate(iris[1:4], by=list((seq(nrow(iris))-1) %/% 6), FUN=mean)
   Group.1 Sepal.Length Sepal.Width Petal.Length Petal.Width
1        0     4.950000    3.383333     1.450000   0.2333333
2        1     4.850000    3.316667     1.483333   0.2000000
3        2     5.183333    3.633333     1.316667   0.2500000

...

这是通过创建一个向量来识别要平均的组:

This works by creating a vector which identifies the groups to be averaged:

(seq(nrow(iris))-1) %/% 6
  [1]  0  0  0  0  0  0  1  1  1  1  1  1  2  2  2  2  2  2  3  3  3  3  3  3  4  4  4  4  4  4  5  5  5  5  5  5  6  6  6  6  6  6  7  7  7  7  7  7  8  8  8  8
 [53]  8  8  9  9  9  9  9  9 10 10 10 10 10 10 11 11 11 11 11 11 12 12 12 12 12 12 13 13 13 13 13 13 14 14 14 14 14 14 15 15 15 15 15 15 16 16 16 16 16 16 17 17
[105] 17 17 17 17 18 18 18 18 18 18 19 19 19 19 19 19 20 20 20 20 20 20 21 21 21 21 21 21 22 22 22 22 22 22 23 23 23 23 23 23 24 24 24 24 24 24

sapply 解决方案返回一个矩阵，而 aggregate 解决方案返回一个数据框，以防万一.

The sapply solution returns a matrix, whereas the aggregate solution returns a data frame, in case one is more desirable.

这篇关于每列每 n 行的统计信息的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！