私はRに存在する以下の構造を有するスパークデータフレームを持つR

Question

でスパークデータフレームのすべての数値型変数の平均を探す： -

Var1----- Var 2----- Var 3 -------  Var 4-----  Group 
98.64---- 32.35---- 11906.91-- 08.65----- A 
94.83---- 29.36---- 17287.57-- 06.01----- B 
99.94---- 35.36---- 30411.85-- 08.82----- C 
99.45---- 34.58---- 18267.26-- 10.09----- C 
99.93---- 36.64---- 23560.04-- 07.34----- A 
99.66---- 48.81---- 42076.44-- 08.44----- B 
99.96---- 27.38---- 18474.01-- 11.39----- A 
97.49---- 25.28---- 14615.50-- 06.60----- B 
98.98---- 32.50---- 10282.90-- 07.71----- C 
99.57---- 31.54---- 12725.56-- 06.17----- C 
99.91---- 26.46---- 10990.13-- 06.17----- C 

これは私の代表データセットで、レコードの数はかなり巨大です。同様に、列の数も200以上です。

誰かが次の結果セットで私を助けてくれますか？ Rのローカルデータフレームについては、DPLYRを使用してこれを行うのは非常に簡単です。しかし、スパークデータフレーム上で作業すると、次のように

Group Average_Var1 Average_Var2 Average_Var3 Average_Var4 
A ----- 99.51 ------------ 32.13 ---------- 17980.34 ----- 9.13 
B ----- 97.32 ------------ 34.42 ---------- 24659.83 ----- 6.89 
C ----- 99.57 ------------ 32.10 ---------- 16535.54 ----- 7.78 

Answer 1

sparklyrを使用したが、これを試してみてください。

df%>% group_by(Group)%>% summarize_all(.funs = mean) 

Answer 2

> aggregate(df[, 1:4], list(df$Group), mean) 
    Group.1  Var1 Var.2 Var.3 Var.4 
1  A 99.51612 32.13070 17980.34 9.130542 
2  B 97.32882 34.48923 24659.84 6.874534 
3  C 99.57542 32.10916 16535.54 7.787882 

Answer 3

基本機能byがcolMeansで使用することができるようだ。

by(df[, 1:4], df[,"Group"], colMeans) 

出力：

df[, "Group"]: A 
     Var1   Var2   Var3   Var4 
    99.516118 32.130696 17980.341453  9.130542 
----------------------------------------------------------- 
df[, "Group"]: B 
     Var1   Var2   Var3   Var4 
    97.328825 34.489235 24659.840630  6.874534 
----------------------------------------------------------- 
df[, "Group"]: C 
     Var1   Var2   Var3   Var4 
    99.575422 32.109159 16535.543470  7.787882