R中的条件和 - 多列

Question

我试图弄清楚如何从非常大的表（例如，30'000 行和 50 列）中提取一些特定信息。

想象一下我有这个数据框：

S1 <- c(1,2,1,1,3,1)
S2 <- c(2,1,3,2,1,1)
S3 <- c(1,2,2,1,3,1)
S4 <- c(3,3,4,2,3,1)
S5 <- c(3,2,5,3,2,2)
count <- c(10,5,3,1,1,1)
df <- data.frame(count,S1,S2,S3,S4,S5)

例如，当 S1 和 S3 共享相同的值（哪个值无关紧要）但没有其他列具有相同的值时，我需要对“count”列求和。

在这个例子中，它应该返回值 11，因为我应该只考虑第 1 行和第 4 行中“count”列的值。

在第 2、5 和 6 行中，S1 和 S3 具有相似的值，但我不想考虑它们，因为还有其他列具有相同的值。最后，不考虑第 3 行，因为 S1 和 S3 具有不同的值。

我知道如何在 excel 中轻松做到这一点，但我想知道如何在 R 中做到这一点。我尝试了 dplyr 的一些命令，但失败了。

如果有人能提供帮助，我将非常感激。

Answer 1

有点复杂，但它有效。仅使用 R 基础。来自this question的形式，以简单的方式比较多列。

sum(df[df$S1==df$S3 & rowSums(sapply(df[,c(3,5,6)],`==`,e2=df$S1)) == 0,1])

[1] 11

最复杂的部分是如何检查多个列。在这种情况下，我们使用sapply 来比较列c(3,5,6)（'=='）与S1，（e2 是== 函数的第二个参数）。

正如 ycw 所提到的，通过向量定义所有列可能有点复杂，因此这种形式允许您检查除我们不想要的列之外的所有列。

sum(df[df$S1==df$S3 & rowSums(sapply(df[,!(colnames(df) %in% c("count", "S1", "S3"))],`==`,e2=df$S1)) == 0,1])

对两个比较应用相同的过程并只定义相同值的向量：

equals <- c("S1", "S3")
not_equals <- !(colnames(df) %in% c("count", equals))

sum(df[rowSums(sapply(df[,equals,drop=FALSE],`==`,e2=df[equals[1]])) == length(equals) &
           rowSums(sapply(df[,not_equals,drop=FALSE],`==`,e2=df[equals[1]])) == 0, 1])

注意：使用drop=FALSE 仅选择一列数据框并避免“提升到向量”问题或以这种方式省略,：

sum(df[rowSums(sapply(df[equals],`==`,e2=df[equals[1]])) == length(equals) &
           rowSums(sapply(df[not_equals],`==`,e2=df[equals[1]])) == 0, 1])

Answer 2

使用dplyr 的解决方案。有两个步骤。第一个filter 函数查找带有S1 == S3 的行。第二个filter_at函数检查除S1、S3和count以外的列都不等于S1，在第一个filter函数之后应该与S3相同。

library(dplyr)

df2 <- df %>%
  filter(S1 == S3) %>%
  filter_at(vars(-S1, -S3, -count), all_vars(. != S1))
df2
  count S1 S2 S3 S4 S5
1    10  1  2  1  3  3
2     1  1  2  1  2  3

那么总计数如下。

sum(df2$count)
[1] 11

Answer 3

使用dplyr、rowwise、filter：

library(dplyr)
df %>%
  rowwise() %>%
  filter(S1==S3 & !S1 %in% c(S2,S4,S5)) %>% 
  pull(count) %>% 
  sum() 
# [1] 11