我在下面有一个来自大型数据集的示例数据，其中每个参与者都有多个评分条件。
Participant<-c("p1","p1","p2","p2","p3","p3")
Condition<-c( "c1","c2","c1","c2","c1","c2")
Score<-c(4,5, 5,7,8,2)
T<-data.frame(Participant, Condition, Score)
我正在尝试使用 K 均值聚类将参与者分成不同的组，考虑到条件不是数字，有什么好的方法吗？
谢谢！
我尝试使用计算列表的平均值Parallel.For().我决定反对它,因为它比简单的串行版本慢大约四倍.然而我很感兴趣的是它并没有产生与序列结果完全相同的结果,我认为了解原因是有益的.
我的代码是:
public static double Mean(this IList<double> list)
{
double sum = 0.0;
Parallel.For(0, list.Count, i => {
double initialSum;
double incrementedSum;
SpinWait spinWait = new SpinWait();
// Try incrementing the sum until the loop finds the initial sum unchanged so that it can safely replace it with the incremented one.
while (true) {
initialSum = sum;
incrementedSum = initialSum + list[i];
if (initialSum == Interlocked.CompareExchange(ref sum, incrementedSum, initialSum)) break;
spinWait.SpinOnce();
}
});
return sum / list.Count;
} …从在线搜索和在该组中搜索，这似乎应该有效：
> mean(r_lab$ozone, na.rm=TRUE)
但是，我得到的是：
[1] NA
Warning message:
In mean.default(r_lab$ozone, na.rm = TRUE) :
argument is not numeric or logical: returning NA
这是数据集中该列的内容：
> r_lab$Ozone
[1] 41 36 12 18 NA 28 23 19 8 NA 7 16 11 14
[15] 18 14 34 6 30 11 1 11 4 32 NA NA NA 23
我有点慌
我有一个 numpy csr 矩阵，我想得到它的平均值，但它包含很多零，因为我消除了主对角线上及其下方的所有值，仅取上三角形值，现在转换时我的 csr 矩阵数组看起来像这样：
0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 0.63646664 0.34827262
0.24316454 0.1362165 0.63646664 0.15762204 0.31692202 0.12114576
0.35917146
据我所知，为了让 csr 矩阵工作并显示如下内容，零点很重要：
(0,5) 0.5790418
(3,10) 0.578210
(5,20) 0.912370
(67,5) 0.1093109
我看到 csr 矩阵有它自己的均值函数，但是这个均值函数是否考虑了所有零，因此除以数组中包括零的元素数量？因为我只需要非零值的平均值。我的矩阵包含多个向量之间的相似性，更像是一个矩阵列表：
[[ 0. 0.63646664 0.48492084 0.42134077 0.14366401 0.10909745
0.06172853 0.08116201 0.19100626 0.14517247 0.23814955 0.1899649
0.20181049 0.25663533 0.21003358 0.10436352 0.2038447 1.
0.63646664 0.34827262 0.24316454 0.1362165 0.63646664 0.15762204
0.31692202 0.12114576 0.35917146]
[ 0. 0. …如何在数据中添加一列 price.wk.average 使 price.wk.average 等于上周的平均价格，并在数据中添加一列 price.mo.average 使其等于平均值上个月的价格？price.wk.average 将在整个星期内保持不变。
Dates Price Demand Price.wk.average Price.mo.average
2010-1-1 x x
2010-1-2 x x
......
2015-1-1 x x
我正在尝试编写一种方法来计算ListScala中给定元素的平均值。这是我的代码：
def meanElements(list: List[Float]): Float = {
list match {
case x :: tail => (x + meanElements(tail))/(list.length)
case Nil => 0
}
}
当我打电话时meanElements(List(10,12,14)))，我得到的结果与 12 不同。有人可以帮忙吗？
我有一个日期框架（“daten”），其中大多数列都是数值。它们的范围通常从 0 到 5。但是，它们也可以取值 99。我想计算列的平均值，仅排除值 99。
例如：
> mean(c(0, 1, 2, 3, 4, 5, 99))
[1] 16.28571
不是我需要的，而是我希望它被计算为好像向量是
> mean(c(0, 1, 2, 3, 4, 5))
[1] 2.5
，给我我正在寻找的意思。
有一个类似的问题（通过排除任何给定数字来计算平均值，中位数），但该解决方案对我不起作用。然而，我想，一旦我可以排除任何列中的某个值，我就可以简单地将它与 组合apply，所以我实际上正在寻找一种方法来计算某个向量的平均值，但忽略了某些值。
我正在制作MEAN Stack应用，但出现此错误：
TypeError: Cannot read property 'indexOf' of undefined.
问题似乎在这一行：
<div *ngIf="newComment.indexOf(product._id) > -1">
我将newComment定义为组件中的变量，如下所示：
newComment = [];`
所以应该定义它。有谁可以帮忙吗？
编辑
根据要求，enire文件。
product.component.html（以div结尾）
<h1 class="pb-2 mt-4 mb-2 border-bottom">Producten</h1>
<div class="row show-hide-message" *ngIf="message && newProduct">
<div [ngClass]="messageClass">
{{ message }}
</div>
</div>
<button type="button" name="button" class="btn btn-warning" *ngIf="!newProduct" (click)="newProductForm()">Nieuwe productvraag</button>
<button [disabled]="loading" type="button" name="button" class="btn btn-default" *ngIf="!newProduct" (click)="reload()"><i class="fas fa-sync-alt"></i> Reload</button>
<div><br></div>
<form [formGroup]="form" name="productForm" (submit)="onProductSubmit()" *ngIf="newProduct">
<div class="form-group">
<label for="title">Titel</label>
<div>
<input type="text" name="title" class="form-control" placeholder="*Product Titel" autocomplete="off" formControlName="title" />
<ul class="help-block …我有一个清单：
first = [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18]
我想要另一个具有三个值的平均值的列表，因此新列表是：
new = [2,5,8,11,14,17]
新列表中将只有 6 个值，因为第一个列表中只有 18 个元素。
我正在寻找一种优雅的方法来执行此操作，并且对大列表使用最少的步骤。
我有一个包含多行和多列的 Pandas 数据框，其中每个单元格都包含一个值列表。我想分别计算每行的平均值（在列表中）。
数据框看起来像这样：
l1 = [[1,2,4,3],[1,2,4,3], [1,2,4,3]]
l2 = [[8,2,6,4],[1,2,4,3],[1,2,4,3]]
l3 = [[1,2,4,9],[1,2,4,3],[1,2,4,3]]
df = pd.DataFrame([l1, l2, l3], columns=list('xyz'))
df：
x y z ...
x [1,2,4,3] [1,2,4,3] [1,2,4,3]
y [8,2,6,4] [1,2,4,3] [1,2,4,3]
z [1,2,4,9] [1,2,4,3] [1,2,4,3]
我想要这样的结果：
x y z MEAN
x [1,2,4,3] [1,2,4,3] [1,2,4,3] 2.50000
y [8,2,6,4] [1,2,4,3] [1,2,4,3] 3.33333
z [1,2,4,9] [1,2,4,3] [1,2,4,3] 3.00000
Any suggestions?