r - 如何按行获取非零元素的均值，如何改变条件使用的列

假设我有以下数据表：

  tempmat=matrix(c(1,1,0,4,1,0,0,4,0,1,0,4, 0,0,1,4, 0,0,0,5),5,4,byrow=T)
  tempmat=rbind(rep(0,4),tempmat)
  tempmat=data.table(tempmat)
  names(tempmat)=paste0('prod1vint',1:4)

看起来像：

       prod1vint1 prod1vint2 prod1vint3 prod1vint4
1:          0          0          0          0
2:          1          1          0          4
3:          1          0          0          4
4:          0          1          0          4
5:          0          0          1          4
6:          0          0          0          5

我想定义一个新列TN，它以以下方式按行平均。


对于每一行，找到第一个从左到右的非零元素。
然后，找到所有非零元素的平均值。


输出应为：

   prod1vint1 prod1vint2 prod1vint3 prod1vint4   TN
1:          0          0          0          0   NA
2:          1          1          0          4   2.5
3:          1          0          0          4   4
4:          0          1          0          4   4
5:          0          0          1          4   4
6:          0          0          0          5   NA

出现NA的原因是：在1中：没有非零元素，在6中：在第一个非零元素的右边没有非零元素。

最佳答案

这是melt的一个选项

library(data.table)
library(dplyr)
TN <- melt(tempmat[, rid := seq_len(.N)], id.var = 'rid')[,
    {i1 <- cumsum(value) > 0
    mean(na_if(value[i1][-1], 0), na.rm = TRUE)}, rid]$V1
tempmat[, TN := TN][]

或使用tidyverse

library(tidyverse)
tempmat %>%
   mutate(TN = pmap(., ~ c(...) %>%
           keep(., cumsum(.) > 0) %>%
           tail(-1) %>%
           na_if(0) %>%
           mean(na.rm = TRUE)))

或者另一个选择是转置数据集，然后进行逐级操作

t(tempmat) %>%
    as.data.frame %>%
    summarise_all(list(~ mean(na_if(.[cumsum(.) > 0], 0)[-1],
          na.rm = TRUE))) %>%
    unlist %>%
    mutate(tempmat, TN = .)

或使用向量化方法

library(matrixStats)
m1 <- rowCumsums(as.matrix(tempmat)) > 0
m1[cbind(seq_len(nrow(m1)), max.col(m1, 'first'))] <- FALSE
rowMeans(na_if(tempmat * NA^!m1, 0), na.rm = TRUE)

或使用apply

apply(tempmat, 1, FUN = function(x)
      mean(na_if(x[cumsum(x) > 0], 0)[-1], na.rm = TRUE))