Dplyr ile birden çok sütun boyunca toplama

Sorum, bir veri çerçevesinin birden çok sütunundaki değerleri toplamayı ve kullanarak bu toplama karşılık gelen yeni bir sütun oluşturmayı içerir dplyr. Sütunlardaki veri girişleri ikilidir (0,1). summarise_eachVeya mutate_eachişlevinin satır bazında bir analoğunu düşünüyorum dplyr. Aşağıda, veri çerçevesinin minimal bir örneği verilmiştir:

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

Şunun gibi bir şey kullanabilirim:

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

ancak bu, sütunların her birinin adının yazılmasını içerir. 50 tane sütunum var. Ek olarak, bu işlemi uygulamak istediğim döngünün farklı yinelemelerinde sütun adları değişir, bu nedenle herhangi bir sütun adı vermek zorunda kalmamaya çalışmak istiyorum.

Bunu en verimli şekilde nasıl yapabilirim? Herhangi bir yardım çok takdir edilecektir.

Ne dersin

her sütunu topla

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

her satırı topla

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

Yalnızca belirli sütunları toplamak istiyorsanız, bunun gibi bir şey kullanırım:

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)

Bu şekilde dplyr::select'ın sözdizimini kullanabilirsiniz .

Belirli desen adlarına sahip değişkenleri toplamak için normal ifade eşleştirmesini kullanırdım. Örneğin:

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

Bu şekilde, veri çerçevenizdeki belirli değişken grubunun toplamı olarak birden fazla değişken oluşturabilirsiniz.

Bu sorunla sık sık karşılaşıyorum ve bunu yapmanın en kolay yolu, apply()işlevi bir mutatekomut içinde kullanmaktır .

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))

Burada, standart dplyrhileleri (örneğin starts_with()veya contains()) kullanarak sütunları seçmek istediğinizi kullanabilirsiniz . Tüm işi tek bir mutatekomut içinde yaparak , bu eylem, bir dplyrişleme adımları akışı içinde herhangi bir yerde gerçekleşebilir . Son olarak, apply()işlevi kullanarak, kendi amaca yönelik oluşturulmuş özetleme işlevi dahil olmak üzere ihtiyacınız olan özeti kullanma esnekliğine sahip olursunuz.

Alternatif olarak, tidyverse olmayan bir işlevi kullanma fikri çekici değilse, o zaman sütunları toplayabilir, özetleyebilir ve sonunda sonucu orijinal veri çerçevesine geri birleştirebilirsiniz.

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, . )

Burada starts_with()sütunları seçmek için işlevi kullandım ve toplamı hesapladım ve NAdeğerlerle istediğinizi yapabilirsiniz . Bu yaklaşımın dezavantajı, oldukça esnek olmasına rağmen, dplyrveri temizleme adımlarının akışına gerçekten uymamasıdır .

reduce()From kullanmak , purrrbundan biraz daha hızlıdır rowSumsve kesinlikle daha hızlıdır apply, çünkü tüm satırlar üzerinde yinelemekten kaçınırsınız ve sadece vektörleştirilmiş işlemlerden yararlanabilirsiniz:

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

Bkz bu zamanlamaları

Yeni sürümlerinde, belirli satır bazlı varyantlara sahip olmayan fonksiyonlar için satır bazında toplama gerçekleştirmek dplyriçin rowwise()birlikte kullanabilirsiniz c_across, ancak satır bazlı varyant mevcutsa daha hızlı olmalıdır.

Yana rowwise()gruplama sadece özel bir şeklidir ve fiiller büyük olasılıkla boru bunu isteyeceksiniz çalışma biçimini değiştiren ungroup()sizin sıra sıra operasyon yaptıktan sonra.

Bir dizi satır seçmek için:

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()

Türe göre satır seçmek için:

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()

Özel durumunuzda satır bazlı bir varyant vardır, böylece aşağıdakileri yapabilirsiniz ( acrossbunun yerine kullanımına dikkat edin ):

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

Daha fazla bilgi için satır bazında sayfaya bakın .