如何使用dplyr查找R数据帧中行值的平均值？

行值的平均值可以通过使用dplyr包的按行函数以及mutate函数在数据帧中添加均值的新列来找到。逐行函数实际上帮助R逐行读取数据帧中的值，然后我们可以使用均值函数来找到均值，如以下示例所示。

例1

请看以下数据帧：

> x1<-rpois(20,1)
> x2<-rpois(20,5)
> df1<-data.frame(x1,x2)
> df1

输出结果

 x1 x2
1 0 8
2 2 3
3 2 5
4 0 5
5 3 2
6 0 10
7 3 5
8 1 7
9 0 4
10 1 6
11 1 2
12 1 6
13 1 1
14 0 7
15 3 3
16 1 5
17 0 5
18 0 4
19 0 7
20 0 8

加载dplyr包并找到数据帧df1的行值的平均值：

示例

> library(dplyr)
> df1%>%rowwise()%>%mutate(Mean=mean(c(x1,x2)))
# A tibble: 20 x 3
# Rowwise:

输出结果

 x1   x2  Mean
<int><int><dbl>
1 0 8 4
2 2 3 2.5
3 2 5 3.5
4 0 5 2.5
5 3 2 2.5
6 0 10 5
7 3 5 4
8 1 7 4
9 0 4 2
10 1 6 3.5
11 1 2 1.5
12 1 6 3.5
13 1 1 1
14 0 7 3.5
15 3 3 3
16 1 5 3
17 0 5 2.5
18 0 4 2
19 0 7 3.5
20 0 8 4

例2

> y1<-rnorm(20)
> y2<-rnorm(20,0.05)
> y3<-rnorm(20,0.5,0.0025)
> df2<-data.frame(y1,y2,y3)
> df2

输出结果

       y1         y2          y3
1 1.904146103 -1.010755257 0.4977748
2 -0.659153462 0.757833514 0.5000584
3 -1.349287399 0.035455534 0.4995245
4 1.251468999 -0.770912867 0.5023573
5 0.558542205 0.938371389 0.5037919
6 -1.088022365 -0.676129238 0.5024196
7 0.777812404 -0.649474781 0.4978783
8 -0.070005581 1.296222134 0.4989934
9 0.955297951 -0.010204761 0.5009613
10 -1.027516169 0.688293380 0.4995052
11 -0.004430055 1.095789444 0.5038756
12 -0.487932801 1.891399000 0.5006688
13 2.552820247 -0.240468655 0.4998481
14 -0.202030666 0.990596084 0.5025346
15 0.275771430 1.274736854 0.4984426
16 -0.541683198 1.056570340 0.4992698
17 -0.468355466 -1.878586227 0.4999905
18 0.031146373 0.009999742 0.5042049
19 0.608943200 -1.306773821 0.5030888
20 0.299916589 -0.759283709 0.5013502

查找数据帧df2的行值的平均值：

示例

> df2%>%rowwise()%>%mutate(Mean=mean(c(y1,y2,y3)))
# A tibble: 20 x 4
# Rowwise:

输出结果

  y1   y2   y3 Mean
<dbl><dbl><dbl><dbl>
1 1.90 -1.01 0.498 0.464
2 -0.659 0.758 0.500 0.200
3 -1.35 0.0355 0.500 -0.271
4 1.25 -0.771 0.502 0.328
5 0.559 0.938 0.504 0.667
6 -1.09 -0.676 0.502 -0.421
7 0.778 -0.649 0.498 0.209
8 -0.0700 1.30 0.499 0.575
9 0.955 -0.0102 0.501 0.482
10 -1.03 0.688 0.500 0.0534
11 -0.00443 1.10 0.504 0.532
12 -0.488 1.89 0.501 0.635
13 2.55 -0.240 0.500 0.937
14 -0.202 0.991 0.503 0.430
15 0.276 1.27 0.498 0.683
16 -0.542 1.06 0.499 0.338
17 -0.468 -1.88 0.500 -0.616
18 0.0311 0.0100 0.504 0.182
19 0.609 -1.31 0.503 -0.0649
20 0.300 -0.759 0.501 0.0140