对于相同数据R的不同方法

我想获得特定列的三个部分的手段。如下图所示，我已经分离了数据成排的三个部分，发现手段对于相同数据R的不同方法

> x<-mydata[1:50,3] 
> mean(x) 
[1] 1.462 
> za<-mydata[51:100,3] 
> mean(za) 
[1] 4.26 
> ch<-mydata[101:150,3] 
> mean(ch) 
[1] 5.552

我试图把这个变成一个说法，但手段显得比那些单独陈述的不同。

mydata[c(mean(1:50), mean(51:100), mean(101:150)), 3] 
[1] 1.9 4.3 5.7

第二平均似乎四舍五入到十位相比原来的意思，但同样不能为其他两种方式来表示。连接函数中是否会发生改变方法的事情？

来源

2017-09-25 Lost

您可以将基础数据？ – BLT

你是方法是无效的语法。考虑'（1:50）[平均（1:50）]'平均值是25.5。该调用返回25.因此在'['中该值被截断，返回矢量'1：50'中的25值。也许用''[平均（1:50）]''返回“y”更清晰。在'？“[”'中的帮助文件中，它表示*数字值被as.integer强制转换为整数（因此截断为零）* – lmo

试试这个：

c(mean(mydata[1:50,3]), mean(mydata[51:100,3], mean(mydata[101:150,3])

来源

2017-09-25 19:18:07 csgroen

谢谢！你知道我为什么给出类似但不同的答案吗？ – Lost

你在做索引的意思，而不是通过索引获取数字，然后做出平均值。通话顺序改变结果 – csgroen

mean(1:50)会给你的整数序列的均值从1开始，并在50

mydata[c(mean(1:50), mean(51:100), mean(101:150)), 3]

结束会给你行索引mean(1:50)在mydata值，mean(51:100)和mean(101:50)和列索引3.

c(mean(mydata[1:50, 3]), mean(mydata[51:100, 3]), mean(mydata[101:150, 3]))

应该会给你预期的结果。

几个不同的解决方案，同样的问题：

sapply(split(mydata[, 3], ceiling(seq_along(mydata)/50)), mean) 

sapply(split(mydata[, 3], rep(1:3, each=50)), mean)

来源

2017-09-25 19:18:59 AkselA

对于相同数据R的不同方法

回答

相关问题