【问题标题】：Creating multiple columns by computation in R在 R 中通过计算创建多列
【发布时间】：2020-11-10 19:59:31
【问题描述】：

假设我有一个 100 X 100 的数据框，这是我的数据的一个小样本

df<-read.table (text=" Id   san1    san2    san3
1   A   A   A
2   A   A   A
3   A   M   M
4   M   A   A
", header=TRUE)

我想先转置它。并计算行的总和，然后创建两个新列，如下所示

San     1   2   3   4   A   M
san1    A   A   A   M   3   1
san2    A   A   M   A   3   1
san3    A   A   M   A   3   1

我使用了df(t)转置，然后我使用了mutate和rowsums，但它对我不起作用。

【问题讨论】：

标签： r

【解决方案1】：

另一种基础 R 解决方案：

A <- data.frame(t(df[-1]))
names(A) <- df[,1]
cbind(A, as.data.frame.matrix(t(table(stack(df[-1])))))
     1 2 3 4 A M
san1 A A A M 3 1
san2 A A M A 3 1
san3 A A M A 3 1

【讨论】：

【解决方案2】：

这是dplyr 解决方案：

library(dplyr)

df %>% 
  pivot_longer(-Id) %>% 
  pivot_wider(names_from = Id, values_from = value) %>% 
  rename(San = name) %>% 
  mutate(A = rowSums(. == "A"),
         M = rowSums(. == "M"))

这给了我们：

  San   `1`   `2`   `3`   `4`       A     M
  <chr> <chr> <chr> <chr> <chr> <dbl> <dbl>
1 san1  A     A     A     M         3     1
2 san2  A     A     M     A         3     1
3 san3  A     A     M     A         3     1

【讨论】：

【解决方案3】：

我们可以使用

library(data.table)
library(tidyr)
data.table::transpose(df, make.names = 'Id', keep.names = 'San') %>%
     mutate(A = rowSums(.[-1] == 'A'), M = rowSums(.[2:5] == 'M'))

-输出

#    San 1 2 3 4 A M
#1 san1 A A A M 3 1
#2 san2 A A M A 3 1
#3 san3 A A M A 3 1

【讨论】：

@user330 是否与您帖子中的数据相同
错误：意外'=' in：“data.table::transpose(df, make.names = 'Id', keep.names = 'San') %>% mutate(1 ="
A 和 M 假设，我想将它用于任何二进制数据，例如 0,1
@user330 在这种情况下，你可以做 rowSums(.[2:5]) 和 rowSums(!.[2:5])
错误：意外')' in: "data.table::transpose(df, make.names = 'Id', keep.names = 'San') %>% mutate(A =rowSums (.[2:5]), M = rowSums(!.[2:5])))"

【解决方案4】：

这是你想要的吗？

a_col <- rowSums(t(df)=="A")
a_col[1] <- "A"
m_col <- rowSums(t(df)=="M")
m_col[1] <- "M"
cbind(t(df), a_col, m_col)

【讨论】：

对不起，它对我不起作用，因为它没有反映我的输出。也不适用于大数据

【解决方案5】：

另一种解决方案独立于A、M 和使用table 和map_dfr 的剩余值，通过purrr 提供：

library("tidyverse")
df <- read.table (text = " Id   san1    san2    san3
1   A   A   A
2   A   A   A
3   A   M   M
4   M   A   A
", header = TRUE)
df %>%
    pivot_longer(-Id) %>%
    pivot_wider(names_from = Id, values_from = value) %>%
    rename(San = name) %>%
    bind_cols(map_dfr(df, table)[-1, -c(1:nrow(df))])

结果

# A tibble: 3 x 7
  San   `1`   `2`   `3`   `4`   A       M      
  <chr> <chr> <chr> <chr> <chr> <table> <table>
1 san1  A     A     A     M     3       1      
2 san2  A     A     M     A     3       1      
3 san3  A     A     M     A     3       1

更有趣的例子

添加讨厌的Z 值。

df_two <- df
df_two[2,3] <- "Z"

sum_those_letters <- function(.data, nice_id_col = Id, pretty_name = "San") {
    .data %>%
        pivot_longer(-{{nice_id_col}}) %>%
        pivot_wider(names_from = {{nice_id_col}}, values_from = value) %>%
        rename(pretty_name = name) %>%
        bind_cols(map_dfr(df_two, table)[-1, -c(1:nrow(.data))])
}

结果

sum_those_letters(df_two, Id)

# A tibble: 3 x 8
  San   `1`   `2`   `3`   `4`   A       M       Z      
  <chr> <chr> <chr> <chr> <chr> <table> <table> <table>
1 san1  A     A     A     M     3       1       NA     
2 san2  A     Z     M     A     2       1        1     
3 san3  A     A     M     A     3       1       NA

【讨论】：

对不起，它不适用于我的数据，我没有在我的 cloumns 中得到总和
@user330 我已经包含了数据，它来自你的帖子。