时间戳

首页 > 解决方案 > 所有行的多列的加权平均值

r - 所有行的多列的加权平均值

问题描述

我想计算一个巨大数据集的加权平均值。

我需要的是以下（对于每一行）并且我有NAs，所以我需要以某种方式合并na.rm = TRUE. 我希望计算以下内容（距离 1 到距离 10）：

(distance1 * X1CityNumber + ... + distance10 * X10CityNumber) /
(X1CityNumber + ... + X10CityNumber)

我编写了以下代码，但它产生了错误的数字。

for (i in 1:378742) {
  rcffull$distance[i] <- weighted.mean(cbind(rcffull$distance1[i],
                                             rcffull$distance2[i],
                                             rcffull$distance3[i],
                                             rcffull$distance4[i],
                                             rcffull$distance5[i],
                                             rcffull$distance6[i],
                                             rcffull$distance7[i],
                                             rcffull$distance8[i],
                                             rcffull$distance9[i],
                                             rcffull$distance10[i]),
                                       cbind(rcffull$X1CityNumber[i],
                                             rcffull$X2CityNumber[i],
                                             rcffull$X3CityNumber[i],
                                             rcffull$X4CityNumber[i],
                                             rcffull$X5CityNumber[i],
                                             rcffull$X6CityNumber[i],
                                             rcffull$X7CityNumber[i],
                                             rcffull$X8CityNumber[i],
                                             rcffull$X9CityNumber[i],
                                             rcffull$X10CityNumber[i]),
                                       na.rm = TRUE)
  }

有什么建议么？

具有较少列的样本数据：

 distance1    Weights1    distance2        Weights2    
1    5            3            8              2 
2    NA           2            3              3
3    5            NA           4              4

#desired output:
    Mean distance
1      6.2 #= (5 * 3 + 8 * 2) / (3 + 2)
2      3.0 #= (3 * 3) / 3
3      3.0 #= (4 * 4) / 4

标签： rdataframematrixmeanweighted

解决方案

NA发生在重量和距离上。这样做时(d1 * w1 + d2 * w2) / (w1 + w2)，NA应该从提名者和分母中消除，并且权重的归一化需要考虑到这一点。

dat <- structure(list(distance1 = c(5L, NA, 5L), Weights1 = c(3L, 2L, NA),
distance2 = c(8L, 3L, 4L), Weights2 = c(2L, 3L, 4L)), .Names = c("distance1", 
"Weights1", "distance2", "Weights2"), class = "data.frame", row.names = c("1", 
"2", "3"))

A <- as.matrix(dat[c(1, 3)])  ## distance columns
B <- as.matrix(dat[c(2, 4)])  ## weight columns
B[is.na(A)] <- 0
rowSums(A * B, na.rm = TRUE) / rowSums(B, na.rm = TRUE)
#  1   2   3 
#6.2 3.0 4.0

备注1：

如果NA数据和权重都没有，那就做

rowSums(A * B) / rowSums(B)

备注2：

处理的替代方法NA：将NA数据和权重中的 all 设置为 0，然后rowSums不使用na.rm：

ind <- is.na(A) | is.na(B)
A[ind] <- 0
B[ind] <- 0
rowSums(A * B) / rowSums(B)

备注 3：

NaN0 / 0如果没有一对非NA基准和非NA重量，则可能会发生。

备注4：

weighted.mean只能删除NA数据中的 s，不能删除权重中的 s。这也是不希望的，因为您想对所有行进行计算。它没有“矢量化”解决方案；你必须做一个缓慢的 R 级循环。

推荐阅读