如何在R语言中比较行内单元格与该行均值并统计符合条件的数量

方法一：基于apply逐行处理 #

和原代码逻辑延续性更强，用apply逐行完成比较与求和：

a<-c(1, 94, 19, 62, 20, 74, 20, 35, 52, 78)
b<-c(22, 7, 70, 25, 57, 100, 25, 45, 26, 34)
c<-c(28, 97,69, 76, 4, 72, 25, 8, 35, 72)
d<-c(19, 18, 7, 26, 59, 88, 33, 100, 44, 59)

data<-data.frame(a, b, c, d)
data$mean <- apply(data, 1, mean)
# 补充部分：逐行比较元素与该行均值，大于记1后求和
data$comparison <- apply(data[, c("a", "b", "c", "d")], 1, function(x) sum(x > data$mean[which(row(data) == row(x))]))

方法二：矢量化操作（更高效简洁） #

用R内置矢量化函数替代循环类操作，代码更简洁且运行效率更高：

a<-c(1, 94, 19, 62, 20, 74, 20, 35, 52, 78)
b<-c(22, 7, 70, 25, 57, 100, 25, 45, 26, 34)
c<-c(28, 97,69, 76, 4, 72, 25, 8, 35, 72)
d<-c(19, 18, 7, 26, 59, 88, 33, 100, 44, 59)

data<-data.frame(a, b, c, d)
data$mean <- rowMeans(data) # 用rowMeans替代apply计算行均值，效率更高
# 矢量化比较：每行元素与对应均值比较生成布尔矩阵，转整数后按行求和
data$comparison <- rowSums(data[, 1:4] > data$mean)

代码说明 #

• rowMeans(data)：专门计算数据框行均值的函数，比apply(data,1,mean)更高效
• data[,1:4] > data$mean：利用R的广播特性，将每行4个元素与该行均值逐一比较，生成TRUE/FALSE矩阵（R中TRUE等价于1，FALSE等价于0）
• rowSums()：直接对每行的0-1值求和，得到每行大于均值的元素个数

内容的提问来源于stack exchange，提问作者dbfk2000