R dplyr oznacza wioskę lub min i inne metody?

Question

Jak uzyskać z dplyr minimalną (lub średnią) wartość każdego wiersza na data.frame? mam na myśli ten sam rezultat jak

apply(mydataframe, 1, mean) 
apply(mydataframe, 1, min) 

próbowałam

mydataframe %>% rowwise() %>% mean 

lub

mydataframe %>% rowwise() %>% summarise(mean) 

albo inne kombinacje, ale zawsze pojawiają się błędy, nie wiem właściwy sposób .

Wiem, że mogę również użyć rowMeans, ale nie ma prostego odpowiednika "rowMin". Istnieje również pakiet matrixStats, ale większość funkcji nie akceptuje danych.frames, tylko matryce.

Jeśli chcę obliczyć min rowwise mogę użyć
do.call (pmin, mydataframe) Czy jest coś tak proste dla rowwise oznacza?

do.call(mean, mydataframe) 

nie działa, myślę, że potrzebuję funkcji PMean lub czegoś bardziej złożonego.

Dzięki

W celu porównania wyników mogliśmy wszystkie prace na tym samym przykład:

set.seed(124) 
df <- data.frame(A=rnorm(10), B=rnorm(10), C=rnorm(10)) 

Answer 1

Jak na ten temat?

library(dplyr) 
as.data.frame(t(mtcars)) %>% 
    summarise_all(funs(mean)) 

Dla dodatkowej jasności, można dodać kolejny t() na koniec:

as.data.frame(t(mtcars)) %>% 
    summarise_all(funs(mean)) %>% 
    t() 

Answer 2

Przypuszczam, to jest to, co staraliśmy się osiągnąć:

df <- data.frame(A=rnorm(10), B=rnorm(10), C=rnorm(10)) 

library(dplyr) 
df %>% rowwise() %>% mutate(Min = min(A, B, C), Mean = mean(c(A, B, C))) 

#    A   B   C  Min  Mean 
# 1 1.3720142 0.2156418 0.61260582 0.2156418 0.73342060 
# 2 -1.4265665 -0.2090585 -0.05978302 -1.4265665 -0.56513600 
# 3 0.6801410 1.5695065 -2.70446924 -2.7044692 -0.15160724 
# 4 0.0335067 0.8367425 -0.83621791 -0.8362179 0.01134377 
# 5 -0.2068252 -0.2305140 0.23764322 -0.2305140 -0.06656532 
# 6 -0.3571095 -0.8776854 -0.80199141 -0.8776854 -0.67892877 
# 7 1.0667424 -0.6376245 -0.41189564 -0.6376245 0.00574078 
# 8 -1.0003376 -1.5985281 0.90406055 -1.5985281 -0.56493504 
# 9 -0.8218494 1.1100531 -1.12477401 -1.1247740 -0.27885677 
# 10 0.7868666 0.6099156 -0.58994138 -0.5899414 0.26894694 

Answer 3

Pomyśl znalazł rozwiązanie - po prostu przetransferuj swoje dane.frame:

x <- data_frame(x = rnorm(10), 
      y = rnorm(10)) 

# A tibble: 10 × 2 
     x    y 
    <dbl>   <dbl> 
1 -1.1240392 0.9306028477 
2 -0.8213379 0.2500495105 
3 -0.8289104 -0.3693704483 
4 -0.6486601 -1.1421141986 
5 0.5098542 -0.3703368343 
6 -0.3644690 -0.0003744377 
7 0.7404057 0.1166905738 
8 -0.2475214 -0.0802864865 
9 0.2637841 -0.7717699521 
10 1.4092874 0.2998021578 

x %>% 
    t() %>% 
    data.frame() %>% 
    mutate_all(funs(min)) %>% 
    unique() %>% 
    t() 

     1 
X1 -1.1240392 
X2 -0.8213379 
X3 -0.8289104 
X4 -1.1421142 
X5 -0.3703368 
X6 -0.3644690 
X7 0.1166906 
X8 -0.2475214 
X9 -0.7717700 
X10 0.2998022