计算每一行和每组的平均差
计算每一行和每组的平均差
提问于 2016-05-14 13:26:04
我有一个包含许多行和列的data.frame，我希望计算每个值与组内其他每个值的平均值差异。
这里有一个例子：
ID value
1 4
1 5
1 7
2 8
2 6
2 5
2 6这就是我想计算的：
ID value value_mean_diff
1 4 (4-5)^2 + (4-7)^2 /groupsize = 3
1 5 (5-4)^2 + (5-7)^2 / 3
1 7 (7-4)^2 + (7-5)^2 / 3
2 8 (8-6)^2 + (8-5)^2 + (8-6)^2 / 4
2 6 (6-8)^2 + (6-5)^2 + (6-6)^2 / 4
2 5 (5-8)^2 + (5-6)^2 + (5-6)^2 / 4
2 6 (6-8)^2 + (6-6)^2 + (6-5)^2 / 4 我试过使用聚合()，但未能使它工作。
回答 2
Stack Overflow用户
回答已采纳
发布于 2016-05-14 13:57:36
一种在crossjoin库中使用data.table的解决方案，它存在从原始数据帧中删除重复行的缺陷：
> dt <- setDT(df)[,setNames(CJ(value, value), c("value", "value1")), .(ID)][,.(value_mean_diff = sum((value-value1)^2)/.N),.(ID, value)]
> dt
ID value value_mean_diff
1: 1 4 3.333333
2: 1 5 1.666667
3: 1 7 4.333333
4: 2 5 2.750000
5: 2 6 1.250000
6: 2 8 4.250000由于复制的行总是具有相同的value_mean_diff，所以始终可以合并它们以获得所有重复的行。
> merge(dt, df, by = c("ID", "value"))
ID value value_mean_diff
1: 1 4 3.333333
2: 1 5 1.666667
3: 1 7 4.333333
4: 2 5 2.750000
5: 2 6 1.250000
6: 2 6 1.250000
7: 2 8 4.250000Update：由于上面的方法是内存密集型的，所以您可以利用value_mean_diff = (value - value_mean)^2 +方差(value-value_mean)这一事实，这可以通过根据其定义扩展方差来证明。有了这一事实，您可以通过以下方式进行计算：
> setDT(df)[, value_mean_diff := (value - mean(value))^2 + var(value) * (.N - 1) / .N, .(ID)]
> df
ID value value_mean_diff
1: 1 4 3.333333
2: 1 5 1.666667
3: 1 7 4.333333
4: 2 8 4.250000
5: 2 6 1.250000
6: 2 5 2.750000
7: 2 6 1.250000请记住，R中的var()函数计算样本方差，因此需要通过乘以因子(n-1)/n将其转换为总体方差。
Stack Overflow用户
发布于 2016-05-14 14:41:08
下面是一个只使用基本R的解决方案：
myData <- data.frame(ID=c(1,1,1,2,2,2,2), value=c(4,5,7,8,6,5,6), diff=NA)
for(i in 1:nrow(myData))
myData$diff[i] <- with(data = myData,
sum((value[i] - value[ID==ID[i]])**2)/length(value[ID==ID[i]]))
myData
ID value diff
1 1 4 3.333333
2 1 5 1.666667
3 1 7 4.333333
4 2 8 4.250000
5 2 6 1.250000
6 2 5 2.750000
7 2 6 1.250000页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/37227238
复制相关文章
相似问题
腾讯云开发者
