R中 - 優文庫

查找平均火花數據框的所有數值型變量的我有一個星火數據框與下面的結構出現在R： -R中

Var1----- Var 2----- Var 3 -------  Var 4-----  Group 
98.64---- 32.35---- 11906.91-- 08.65----- A 
94.83---- 29.36---- 17287.57-- 06.01----- B 
99.94---- 35.36---- 30411.85-- 08.82----- C 
99.45---- 34.58---- 18267.26-- 10.09----- C 
99.93---- 36.64---- 23560.04-- 07.34----- A 
99.66---- 48.81---- 42076.44-- 08.44----- B 
99.96---- 27.38---- 18474.01-- 11.39----- A 
97.49---- 25.28---- 14615.50-- 06.60----- B 
98.98---- 32.50---- 10282.90-- 07.71----- C 
99.57---- 31.54---- 12725.56-- 06.17----- C 
99.91---- 26.46---- 10990.13-- 06.17----- C

這是我代表的數據集，記錄數量是相當巨大的。同樣，列的數量也超過200。

有人可以幫助我以下結果集。對於R中的本地數據幀，使用DPLYR來執行此操作非常簡單。但在星火據幀的工作似乎

Group Average_Var1 Average_Var2 Average_Var3 Average_Var4 
A ----- 99.51 ------------ 32.13 ---------- 17980.34 ----- 9.13 
B ----- 97.32 ------------ 34.42 ---------- 24659.83 ----- 6.89 
C ----- 99.57 ------------ 32.10 ---------- 16535.54 ----- 7.78

來源

2017-09-01 Sandeep Gupta

不能完全肯定，但你可以使用'sparklyr'包，你可以試試：％>％ summarize_all（.funs =平均）' – TUSHAr

是否使用 'DF％>％ GROUP_BY（集團） SparkR或Sparklyr？ – nate

使用SparkR得到結果 –

使用sparklyr試試這個：

df%>% group_by(Group)%>% summarize_all(.funs = mean)

來源

2017-09-01 10:47:58 TUSHAr

> aggregate(df[, 1:4], list(df$Group), mean) 
    Group.1  Var1 Var.2 Var.3 Var.4 
1  A 99.51612 32.13070 17980.34 9.130542 
2  B 97.32882 34.48923 24659.84 6.874534 
3  C 99.57542 32.10916 16535.54 7.787882

來源

2017-09-01 09:55:21 RUser

感謝您的答覆。但是這個函數在R中填充的Spark Dataframes上不起作用。您能否給我們建議一些類似的用於Spark Dataframe的東西 –

基地功能by可以colMeans如下使用：

by(df[, 1:4], df[,"Group"], colMeans)

輸出：

df[, "Group"]: A 
     Var1   Var2   Var3   Var4 
    99.516118 32.130696 17980.341453  9.130542 
----------------------------------------------------------- 
df[, "Group"]: B 
     Var1   Var2   Var3   Var4 
    97.328825 34.489235 24659.840630  6.874534 
----------------------------------------------------------- 
df[, "Group"]: C 
     Var1   Var2   Var3   Var4 
    99.575422 32.109159 16535.543470  7.787882

來源

2017-09-01 10:42:17

R中

回答

相關問題