appliquer une fonction sur des groupes de colonnes

Cela peut être plus généralisables à votre situation que vous passez une liste d'indices. Si la vitesse est un problème (gros bloc de données), j'aurais opter pour lapply avec do.call plutôt que sapply:

x <- list(1:3, 4:6)
do.call(cbind, lapply(x, function(i) rowMeans(dat[, i])))

Fonctionne si vous avez juste le col noms de trop:

x <- list(c('a','b','c'), c('d', 'e', 'f'))
do.call(cbind, lapply(x, function(i) rowMeans(dat[, i])))

MODIFIER

Juste arrivé à penser que peut-être vous souhaitez automatiser ce faire, tous les trois colonnes. Je sais qu'il ya une meilleure façon, mais ici on est sur un 100 de la colonne de l'ensemble de données:

dat <- data.frame(matrix(rnorm(16*100), ncol=100))

n <- 1:ncol(dat)
ind <- matrix(c(n, rep(NA, 3 - ncol(dat)%%3)), byrow=TRUE, ncol=3)
ind <- data.frame(t(na.omit(ind)))
do.call(cbind, lapply(ind, function(i) rowMeans(dat[, i])))

EDIT 2
Toujours pas heureux avec l'indexation. Je pense qu'il y a un mieux, plus rapide façon de passer l'index. voici une seconde si pas de méthode satisfaisante:

n <- 1:ncol(dat)
ind <- data.frame(matrix(c(n, rep(NA, 3 - ncol(dat)%%3)), byrow=F, nrow=3))
nonna <- sapply(ind, function(x) all(!is.na(x)))
ind <- ind[, nonna]

do.call(cbind, lapply(ind, function(i)rowMeans(dat[, i])))

Une question semblable a été posée ici par @david: en moyenne tous les 16 colonnes dans la r (maintenant fermé), auxquelles j'ai répondu par l'adaptation @TylerRinker la réponse ci-dessus, à la suite d'une suggestion faite par @joran et @Ben. Parce que la fonction obtenue peut être de l'aide à l'OP ou futurs lecteurs, je copie cette fonction ici, avec un exemple pour des OP de données.

# Function to apply 'fun' to object 'x' over every 'by' columns
# Alternatively, 'by' may be a vector of groups
byapply <- function(x, by, fun, ...)
{
    # Create index list
    if (length(by) == 1)
    {
        nc <- ncol(x)
        split.index <- rep(1:ceiling(nc / by), each = by, length.out = nc)
    } else # 'by' is a vector of groups
    {
        nc <- length(by)
        split.index <- by
    }
    index.list <- split(seq(from = 1, to = nc), split.index)

    # Pass index list to fun using sapply() and return object
    sapply(index.list, function(i)
            {
                do.call(fun, list(x[, i], ...))
            })
}

Ensuite, pour trouver la moyenne de la réplique:

byapply(dat, 3, rowMeans)

Ou, peut-être l'écart-type de la réplique:

byapply(dat, 3, apply, 1, sd)

Mise à jour

by peut également être spécifié comme un vecteur de groupes:

byapply(dat, c(1,1,1,2,2,2), rowMeans)

Inspiré par @joran la suggestion, je suis venu avec ce (en fait un peu différent de ce qu'il a suggéré que, bien que la transposition de la suggestion a été particulièrement utile):

Faire un bloc de données de données, par exemple avec p cols pour simuler réaliste d'un ensemble de données (suivant @TylerRinker la réponse ci-dessus, et contrairement à mon mauvais exemple dans la question)

p <- 99 # how many columns?
dat <- data.frame(matrix(rnorm(4*p), ncol = p))

Renommer les colonnes de ce bloc de données pour créer des groupes de n colonnes consécutives, de sorte que si je suis intéressé dans les groupes de trois colonnes-je obtenir les noms de colonnes comme 1,1,1,2,2,2,3,3,3, etc., ou si je voulais groupes de quatre colonnes, il serait 1,1,1,1,2,2,2,2,3,3,3,3, etc. Je vais avec trois pour l'instant (je suppose que c'est une sorte d'indexation pour les gens comme moi qui ne savent pas beaucoup au sujet de l'indexation)

n <- 3 # how many consecutive columns in the groups of interest?
names(dat) <- rep(seq(1:(ncol(dat)/n)), each = n, len = (ncol(dat)))

Maintenant utiliser appliquer et tapply pour obtenir de ligne moyen pour chacun des groupes

dat.avs <- data.frame(t(apply(dat, 1, tapply, names(dat), mean)))

Les principaux inconvénients sont que les noms de colonne dans les données d'origine sont remplacées (bien que ce problème pourrait être surmonté par la mise le regroupement des nombres dans une nouvelle ligne plutôt que de la colnames) et que les noms de colonnes sont retournées par la demande-tapply de la fonction dans un peu serviable commande.

Encore à @joran la suggestion, voici un data.table solution:

p <- 99 # how many columns?
dat <- data.frame(matrix(rnorm(4*p), ncol = p))
dat.t <-  data.frame(t(dat))

n <- 3 # how many consecutive columns in the groups of interest?
dat.t$groups <- as.character(rep(seq(1:(ncol(dat)/n)), each = n, len = (ncol(dat))))

library(data.table)
DT <- data.table(dat.t)
setkey(DT, groups)
dat.av <- DT[, lapply(.SD,mean), by=groups]

Merci à tous pour votre rapide et patients efforts!