首页 文章

使用dplyr在多个列之间求和

提问于
浏览 次
52

我的问题涉及在数据框的多个列中汇总值，并使用 dplyr 创建与此求和相对应的新列 . 列中的数据条目是二进制（0,1） . 我正在考虑 dplyr 的 summarise_each 或 mutate_each 函数的行方式模拟 . 以下是数据框的最小示例：

library(dplyr)
df=data.frame(
  x1=c(1,0,0,NA,0,1,1,NA,0,1),
  x2=c(1,1,NA,1,1,0,NA,NA,0,1),
  x3=c(0,1,0,1,1,0,NA,NA,0,1),
  x4=c(1,0,NA,1,0,0,NA,0,0,1),
  x5=c(1,1,NA,1,1,1,NA,1,0,1))

> df
   x1 x2 x3 x4 x5
1   1  1  0  1  1
2   0  1  1  0  1
3   0 NA  0 NA NA
4  NA  1  1  1  1
5   0  1  1  0  1
6   1  0  0  0  1
7   1 NA NA NA NA
8  NA NA NA  0  1
9   0  0  0  0  0
10  1  1  1  1  1

我可以使用类似的东西：

df <- df %>% mutate(sumrow= x1 + x2 + x3 + x4 + x5)

但这将涉及写出每个列的名称 . 我有50个专栏 . 此外，列名称在我想要实现此操作的循环的不同迭代中发生更改，因此我想尝试避免必须提供任何列名 .

我怎样才能最有效地做到这一点？任何帮助将不胜感激 .

r dplyr

4 回答

  • 58

    怎么样

    总结每一栏

    df %>%
   replace(is.na(.), 0) %>%
   summarise_all(funs(sum))

    总结每一行

    df %>%
   replace(is.na(.), 0) %>%
   mutate(sum = rowSums(.[1:5]))
    回复于
  • 7

    我会使用正则表达式匹配来对具有某些模式名称的变量求和 . 例如：

    df <- df %>% mutate(sum1 = rowSums(.[grep("x[3-5]", names(.))], na.rm = TRUE),
                    sum_all = rowSums(.[grep("x", names(.))], na.rm = TRUE))

    这样，您可以创建多个变量作为数据框的某些变量组的总和 .

    回复于
  • 16

    如果你只想对某些列求和，我会使用这样的东西：

    library(dplyr)
df=data.frame(
  x1=c(1,0,0,NA,0,1,1,NA,0,1),
  x2=c(1,1,NA,1,1,0,NA,NA,0,1),
  x3=c(0,1,0,1,1,0,NA,NA,0,1),
  x4=c(1,0,NA,1,0,0,NA,0,0,1),
  x5=c(1,1,NA,1,1,1,NA,1,0,1))
df %>% select(x3:x5) %>% rowSums(na.rm=TRUE) -> df$x3x5.total
head(df)

    这样你就可以使用 dplyr::select 的语法 .

    回复于
  • 22

    我经常遇到这个问题，最简单的方法是在 mutate 命令中使用 apply() 函数 .

    library(tidyverse)
df=data.frame(
  x1=c(1,0,0,NA,0,1,1,NA,0,1),
  x2=c(1,1,NA,1,1,0,NA,NA,0,1),
  x3=c(0,1,0,1,1,0,NA,NA,0,1),
  x4=c(1,0,NA,1,0,0,NA,0,0,1),
  x5=c(1,1,NA,1,1,1,NA,1,0,1))

df %>%
  mutate(sum = select(., x1:x5) %>% apply(1, sum, na.rm=TRUE))

    在这里，您可以使用标准 dplyr 技巧（例如 starts_with() 或 contains() ）来使用您想要的任何内容 . 通过在单个 mutate 命令中完成所有工作，此操作可以在 dplyr 流处理步骤中的任何位置发生 . 最后，通过使用 apply() 函数，您可以灵活地使用所需的任何摘要，包括您自己的专用摘要函数 .

    或者，如果使用非tidyverse函数的想法没有吸引力，那么您可以收集列，汇总它们并最终将结果连接回原始数据框 .

    df <- df %>% mutate( id = 1:n() )   # Need some ID column for this to work

df <- df %>%
  group_by(id) %>%
  gather('Key', 'value', starts_with('x')) %>%
  summarise( Key.Sum = sum(value) ) %>%
  left_join( df, . )

    在这里，我使用 starts_with() 函数来选择列并计算总和，您可以使用 NA 值执行任何操作 . 这种方法的缺点是虽然它非常灵活，但它并不真正适合数据清理步骤 .

    回复于

相关问题