Question

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summarise_each的{{1}}或mutate_each函数的行式模拟。以下是数据框的最小示例：

dplyr

我可以使用类似的东西：

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
   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

但这将涉及写出每个列的名称。我有50个专栏。另外，列名称在我想要实现它的循环的不同迭代中改变操作所以我想尝试避免给出任何列名。

我怎样才能最有效地做到这一点？任何帮助将不胜感激。

Answer 1

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]))

Answer 2

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组变量的总和。

Answer 3

如果您只想对某些列求和，我会使用以下内容：

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)

这样您就可以使用dplyr::select的语法。

Answer 4

使用reduce()中的purrr比rowSums快一点，并且绝对比apply快，因为您可以避免遍历所有行，而只是利用矢量化操作：

library(purrr)
library(dplyr)
iris %>% mutate(Petal = reduce(select(., starts_with("Petal")), `+`))

有关时间，请参见this

Answer 5

在dplyr的较新版本中，您可以将rowwise()与c_across一起使用，以对没有特定按行变体的函数执行按行聚合，但是如果行-明智的变体存在，它应该更快。

由于rowwise()只是一种特殊的分组形式，它会改变动词的工作方式，因此您可能希望在执行逐行操作后将其通过管道传递到ungroup()。

要选择行范围：

df %>%
  dplyr::rowwise() %>% 
  dplyr::mutate(sumrange = sum(dplyr::c_across(x1:x5), na.rm = T))
# %>% dplyr::ungroup() # you'll likely want to ungroup after using rowwise()

要按类型选择行：

df %>%
  dplyr::rowwise() %>% 
  dplyr::mutate(sumnumeric = sum(c_across(where(is.numeric)), na.rm = T))
# %>% dplyr::ungroup() # you'll likely want to ungroup after using rowwise()

在特定情况下，存在逐行变体，因此您可以执行以下操作（注意使用across）：

df %>%
  dplyr::mutate(sumrow = rowSums(dplyr::across(x1:x5), na.rm = T))

有关更多信息，请参见rowwise上的页面。

使用dplyr在多个列之间求和

5 个答案: