Média geométrica: há um embutido?

Tentei encontrar um meio geométrico integrado, mas não consegui.

(Obviamente, um built-in não vai me poupar tempo enquanto trabalho no shell, nem suspeito que haja qualquer diferença na precisão; para scripts, tento usar built-ins tão frequentemente quanto possível, onde o (cumulativo) o ganho de desempenho geralmente é perceptível.

Caso não haja (o que duvido seja o caso) aqui está o meu.

gm_mean = function(a){prod(a)^(1/length(a))}

Aqui está uma função vetorial, tolerante a zero e NA, para calcular a média geométrica em R. O meancálculo detalhado length(x)é necessário para os casos em que xcontém valores não positivos.

gm_mean = function(x, na.rm=TRUE){
  exp(sum(log(x[x > 0]), na.rm=na.rm) / length(x))
}

Obrigado a @ben-bolker por observar a na.rmpassagem e a @Gregor por ter certeza de que funciona corretamente.

Acho que alguns dos comentários estão relacionados a uma falsa equivalência de NAvalores nos dados e zeros. No aplicativo que eu tinha em mente, eles são iguais, mas é claro que isso geralmente não é verdade. Portanto, se você deseja incluir a propagação opcional de zeros e tratar de forma length(x)diferente no caso de NAremoção, a seguinte alternativa é um pouco mais longa para a função acima.

gm_mean = function(x, na.rm=TRUE, zero.propagate = FALSE){
  if(any(x < 0, na.rm = TRUE)){
    return(NaN)
  }
  if(zero.propagate){
    if(any(x == 0, na.rm = TRUE)){
      return(0)
    }
    exp(mean(log(x), na.rm = na.rm))
  } else {
    exp(sum(log(x[x > 0]), na.rm=na.rm) / length(x))
  }
}

Observe que ele também verifica se há valores negativos e retorna uma informação mais informativa e apropriada, NaNrespeitando que a média geométrica não é definida para valores negativos (mas é para zeros). Agradeço aos comentaristas que permaneceram no meu caso sobre isso.

Não, mas há algumas pessoas que escreveram um, como aqui .

Outra possibilidade é usar:

exp(mean(log(x)))

Podemos usar o pacote psych e chamar a função geometric.mean .

o

exp(mean(log(x)))

funcionará a menos que haja um 0 em x. Nesse caso, o log produzirá -Inf (-Infinite) que sempre resulta em uma média geométrica de 0.

Uma solução é remover o valor -Inf antes de calcular a média:

geo_mean <- function(data) {
    log_data <- log(data)
    gm <- exp(mean(log_data[is.finite(log_data)]))
    return(gm)
}

Você pode usar uma linha única para fazer isso, mas significa calcular o log duas vezes, o que é ineficiente.

exp(mean(log(i[is.finite(log(i))])))

Eu uso exatamente o que Mark diz. Desta forma, mesmo com tapply, você pode usar a meanfunção embutida, sem precisar definir a sua! Por exemplo, para calcular médias geométricas por grupo de dados $ value:

exp(tapply(log(data$value), data$group, mean))

Esta versão oferece mais opções do que as outras respostas.

• Permite ao usuário distinguir entre resultados que não são números (reais) e aqueles que não estão disponíveis. Se números negativos estiverem presentes, a resposta não será um número real, então NaNé retornado. Se todos forem NAvalores, a função retornará em NA_real_vez disso para refletir que um valor real literalmente não está disponível. Esta é uma diferença sutil, mas que pode produzir resultados (ligeiramente) mais robustos.

• O primeiro parâmetro opcional zero.rmdestina-se a permitir que o usuário faça com que os zeros afetem a saída sem torná-la zero. Se zero.rmestiver definido como FALSEe etaestiver definido como NA_real_(seu valor padrão), os zeros têm o efeito de reduzir o resultado para um. Não tenho nenhuma justificativa teórica para isso - apenas parece fazer mais sentido não ignorar os zeros, mas "fazer algo" que não envolva tornar o resultado zero automaticamente.

• etaé uma maneira de lidar com zeros que foi inspirada na seguinte discussão: https://support.bioconductor.org/p/64014/

geomean <- function(x,
                    zero.rm = TRUE,
                    na.rm = TRUE,
                    nan.rm = TRUE,
                    eta = NA_real_) {
    nan.count <- sum(is.nan(x))
     na.count <- sum(is.na(x))
  value.count <- if(zero.rm) sum(x[!is.na(x)] > 0) else sum(!is.na(x))

  #Handle cases when there are negative values, all values are missing, or
  #missing values are not tolerated.
  if ((nan.count > 0 & !nan.rm) | any(x < 0, na.rm = TRUE)) {
    return(NaN)
  }
  if ((na.count > 0 & !na.rm) | value.count == 0) {
    return(NA_real_)
  }

  #Handle cases when non-missing values are either all positive or all zero.
  #In these cases the eta parameter is irrelevant and therefore ignored.
  if (all(x > 0, na.rm = TRUE)) {
    return(exp(mean(log(x), na.rm = TRUE)))
  }
  if (all(x == 0, na.rm = TRUE)) {
    return(0)
  }

  #All remaining cases are cases when there are a mix of positive and zero
  #values.
  #By default, we do not use an artificial constant or propagate zeros.
  if (is.na(eta)) {
    return(exp(sum(log(x[x > 0]), na.rm = TRUE) / value.count))
  }
  if (eta > 0) {
    return(exp(mean(log(x + eta), na.rm = TRUE)) - eta)
  }
  return(0) #only propagate zeroes when eta is set to 0 (or less than 0)
}

O pacote EnvStats tem uma função para geoMean e geoSd .

Caso haja valores ausentes em seus dados, esse não é um caso raro. você precisa adicionar mais um argumento.

Você pode tentar o seguinte código:

exp(mean(log(i[ is.finite(log(i)) ]), na.rm = TRUE))

exp(mean(log(x1))) == prod(x1)^(1/length(x1))