添加列分鐘，平均和最大的數據幀

Question

我蘸我的腳趾到R，我期待做一些看起來相當簡單，但我對如何着手有點失落。我讀一個CSV，看起來是這樣的：

translation,category,macrocategory,subcategory,1640,1641,1642,1643,1644 
almonds,nuts,Flavoring/Other,,,491,,, 
apples,Fruit,Fruits and Vegetables,42,,67,,, 
Atlantic herring,Fish,Meat,,52,0,9,, 
aurochs,Meat,Meat,game,,4,25,5, 
bacon,Meat,Meat,pork,,275.87,78,92,0 
barley groats,Grain,Grain,5,9,2,14,56,9 
beef,Meat,Meat,Beef,,5.25,,, 

我想吃點什麼是添加新列的最大，最小和平均每個食品（所以，最大，分，和平均對於每個行）。我已經處理了一些基本的清理工作，但是如何從那裏繼續工作，我有點失落。

library(dplyr) 
library(tidyr) 

df <- read.csv("foods.csv", sep=",", header = T) 
food.clean <- data.frame(foodname=df[,1], data.matrix(df[,5:53])) 
str(food.clean) # check 

food.clean <- food.clean[rowSums(is.na(food.clean)) < 48, ] 
summary(food.clean) 

我使用matrixStats包也嘗試過，但遇到了一個錯誤：

library(matrixStats) 
food.matrix <- as.matrix(food.clean) 
cbind(food.clean, mean=rowMeans(food.matrix), sd=rowSds(food.matrix), max=rowMaxs(food.matrix)) 

Error in rowMeans(food.matrix) : 'x' must be numeric 

任何指針？謝謝！

Answer 1

我猜你想獲得的平均值，最小值和最大值爲每個行的所有數值變量。

如果你有大量的數值變量，可以更容易在http://www.jstatsoft.org/v59/i10/

舉例說明先整理的數據，你可以做到以下幾點。

library(dplyr) 
library(tidyr) 

df <- read.csv(text=" 
translation,category,macrocategory,subcategory,1640,1641,1642,1643,1644 
almonds,nuts,Flavoring/Other,,,491,,, 
apples,Fruit,Fruits and Vegetables,42,,67,,, 
Atlantic herring,Fish,Meat,,52,0,9,, 
aurochs,Meat,Meat,game,,4,25,5, 
bacon,Meat,Meat,pork,,275.87,78,92,0 
barley groats,Grain,Grain,5,9,2,14,56,9 
beef,Meat,Meat,Beef,,5.25,,," 
) 

info <- 
    df %>% 
    # tidy data 
    gather(variable, value, -(1:4)) %>% 
    # summarise by food item 'translation' 
    group_by(translation) %>% 
    summarise(
     mean = mean(value, na.rm=TRUE), 
     min = min(value, na.rm=TRUE), 
     max = max(value, na.rm=TRUE) 
    ) 

這會給你

 translation  mean min max 
1   almonds 491.00000 491.00 491.00 
2   apples 67.00000 67.00 67.00 
3 Atlantic herring 20.33333 0.00 52.00 
4   aurochs 11.33333 4.00 25.00 
5   bacon 111.46750 0.00 275.87 
6 barley groats 18.00000 2.00 56.00 
7    beef 5.25000 5.25 5.25  

如果您仍需要原來的數值型變量，你可以用df加入這個info。

df %>% left_join(info) 

有關詳細信息，我會極力推薦的整潔數據文件讀了學習dplyr和tidyr包。

Answer 2

這並不完全清楚您的示例數據是什麼樣子（具體來說，您的標題行中是1640,1641,1642,1643,1644），但是這應該向您展示一種使用mtcars示例數據集的方法。如果你能dput實際數據，這將是更容易幫助。具體而言，您可以使用dplyr::rowwise：

library(dplyr) 
df <- tbl_df(mtcars) 

head(df) 
# Source: local data frame [6 x 11] 
# 
# mpg cyl disp hp drat wt qsec vs am gear carb 
# 1 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4 
# 2 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4 
# 3 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1 
# 4 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1 
# 5 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2 
# 6 18.1 6 225 105 2.76 3.460 20.22 1 0 3 1 


df %>% 
    rowwise() %>% 
    summarise(min = min(am, gear, carb), 
      max = max(am, gear, carb), 
      mean = mean(am, gear, carb)) 

# min max mean 
# 1 1 4 1 
# 2 1 4 1 
# 3 1 4 1 
# 4 0 3 0 
# 5 0 3 0 
# 6 0 3 0 
# 7 0 4 0 
# 8 0 4 0 
# 9 0 4 0 
# 10 0 4 0 
# .. ... ... ...