Tenho duas colunas (A e B) quero calcular a média da coluna A para os elementos correspondentes apenas para os que na coluna B forem maior que 10 por exemplo.
2 Respostas
É um problema de seleção de linhas de uma data frame por uma condição lógica:
set.seed(6480) # Para ter resultados reprodutíveis
n <- 50
dados <- data.frame(A = runif(n, 0, 100), B = runif(n, 0, 40))
mean(dados[dados$B > 10, "A"]) # índice lógico
#[1] 51.62713
mean(dados$A[dados$B > 10]) # equivalente
#[1] 51.62713
Mas se a coluna B
tiver valores NA
o índice lógico não resulta, temos que usar which
.
is.na(dados$B) <- sample(n, 10) # fazer alguns B iguais a NA
mean(dados$A[dados$B > 10]) # veja o que dados$B > 10 dá
#[1] NA
mean(dados$A[which(dados$B > 10)])
#[1] 52.17357
EDIÇÃO.
Como o Flávio Silva diz em comentário, também se pode usar o argumento na.rm
.
mean(dados$A[dados$B > 10], na.rm = TRUE)
#[1] 52.17357
-
-
Na função
mean(dados$A[dados$B > 10])
, acrescentar ona.rm = T
não seria o suficiente, ficandomean(dados$A[dados$B > 10], na.rm = T)
? Commented 16/02/2018 às 11:28 -
@FlavioSilva Certo, obrigado pela sugestão, também dá. Mas o problema a que eu me estava a referir é diferente. Quando um índce lógico tem valores
NA
deve-se usarwhich
. Vou editar a resposta com a sua sugestão. Commented 16/02/2018 às 11:55 -
@RuiBarradas Eu perguntei mais pelo fato de buscar entender a diferença entre o
na.rm
e quando usar owhich
Commented 16/02/2018 às 12:29
Quando é data.frame, e tenho de tirar médias de varias colunas, eu uso o código colMeans
e dentro da função coloco tipo: colMeans(dados[dados$coluna1=="A" & dados$coluna2=="0.01",])
normalmente ele irá obter as médias por colunas dos dados que atendam a este critério só ressalvo que na parte ,] depois desta virgula você não está discriminando quais colunas entram no calculo por isso irá se realizar com todas, o problema é quando nas colunas tem caracteres ("A","NOME") pois o código costuma não realizar o calculo de médias com fatores, para isso voce pode simplesmente concatenar os respectivos números das colunas as quais você deseja os resultados. Ex: nova.tabela.contendo.as.médias<-colMeans(dados[dados$coluna1=="A" & dados$coluna2=="0.01",c(4,1,3,2,5,7)])
,