R以相似字符串开头的不同列组的行总和答案

【问题标题】：R sum of rows for different group of columns that start with similar stringR以相似字符串开头的不同列组的行总和
【发布时间】：2015-05-21 20:59:31
【问题描述】：

我对 R 很陌生，这是我第一次敢在这里提问。

我正在使用一个带有李克特量表的数据集，我想对不同的列组进行行求和，这些列共享其名称中的第一个字符串。

下面我构建了一个只有 2 行的数据框来说明我遵循的方法，但我希望收到有关如何编写更有效的方法的反馈。

df <- as.data.frame(rbind(rep(sample(1:5),4),rep(sample(1:5),4)))

var.names <- c("emp_1","emp_2","emp_3","emp_4","sat_1","sat_2"
           ,"sat_3","res_1","res_2","res_3","res_4","com_1",
           "com_2","com_3","com_4","com_5","cap_1","cap_2",
           "cap_3","cap_4")

names(df) <- var.names

所以，我所做的是使用 grep 函数，以便能够对以某些字符串开头的指定变量的行求和，并将它们存储在一个新变量中。但是我必须为每个变量编写一行新代码。

df$emp_t <- rowSums(df[, grep("\\bemp.", names(df))])
df$sat_t <- rowSums(df[, grep("\\bsat.", names(df))])
df$res_t <- rowSums(df[, grep("\\bres.", names(df))])
df$com_t <- rowSums(df[, grep("\\bcom.", names(df))])
df$cap_t <- rowSums(df[, grep("\\bcap.", names(df))])

但是数据集中还有很多变量，我想知道是否有一种方法可以只用一行代码来做到这一点。例如，以某种方式将以相同字符串开头的变量分组在一起，然后应用行函数。

提前致谢！

【问题讨论】：

好吧，如果这是您需要经常执行的操作，那么听起来您的数据格式不正确。使用“长”格式而不是您当前拥有的“宽”格式的数据会更容易。如果您想这样做，还有很多其他关于重塑的问题。

标签： r rowsum

【解决方案1】：

一种可能的解决方案是转置df 并使用基本R rowsum 函数（使用set.seed(123)）计算正确列的总和

cbind(df, t(rowsum(t(df), sub("_.*", "_t", names(df)))))
#   emp_1 emp_2 emp_3 emp_4 sat_1 sat_2 sat_3 res_1 res_2 res_3 res_4 com_1 com_2 com_3 com_4 com_5 cap_1 cap_2 cap_3 cap_4 cap_t
# 1     2     4     5     3     1     2     4     5     3     1     2     4     5     3     1     2     4     5     3     1    13
# 2     1     3     4     2     5     1     3     4     2     5     1     3     4     2     5     1     3     4     2     5    14
#   com_t emp_t res_t sat_t
# 1    15    14    11     7
# 2    15    10    12     9

【讨论】：

哦哦，如此接近...我想我更喜欢你的 (+1)
@BrodieG 不知道，我在这里使用了两次t，所以不确定它会如何扩展。（+1）也给你:)。用_t 代替"" 顺便说一句，这是个好主意。
感谢大家的回复。直到现在我还不知道什么是正则表达式，但由于我不明白为什么“_.*$”部分起作用，我不得不做一些阅读，发现这里不需要 $，cbind(df, t(rowsum(t(df), sub("_.*", "_t", names(df))))) 工作得很好.

【解决方案2】：

同意 MrFlick 的观点，您可能希望以长格式放置数据（请参阅reshape2、tidyr），但要回答您的问题：

cbind(
  df, 
  sapply(split.default(df, sub("_.*$", "_t", names(df))), rowSums)
)

会成功的

【讨论】：

【解决方案3】：

如果您将数据放入tidy format，从长远来看，您的情况会更好。问题是数据是宽格式而不是长格式。而变量名称，例如emp_1，实际上是两个独立的数据：人的类别和人的 ID 号（或类似的东西）。这是解决您的 dplyr 和 tidyr 问题的方法。

library(dplyr)
library(tidyr)
df %>% 
  gather(key, value) %>% 
  extract(key, c("class", "id"), "([[:alnum:]]+)_([[:alnum:]]+)") %>% 
  group_by(class) %>% 
  summarize(class_sum = sum(value))

首先，我们使用gather() 将数据帧从宽格式转换为长格式。然后我们将值emp_1 拆分为单独的列class 和id 和extract()。最后，我们按类分组并对每个类中的值求和。结果：

Source: local data frame [5 x 2]

  class class_sum
1   cap        26
2   com        30
3   emp        23
4   res        22
5   sat        19

【讨论】：

您应该在这里为每个类获取两个值。另外，它是如何连接回原始数据的？
我看到原始问题如何得到两个答案（即）每行一个。但似乎重点是总结它们？如果不是，那么这里有一个隐藏变量。在原始 df 中，需要有另一列指定标识每一行的内容。该列将包含在对group_by() 的调用中。合并回原始数据更容易。可以使用mutate() 代替summarize 来添加包含该数据的新列。或者可以left_join()这个新的数据框回到整理好的数据框。

【解决方案4】：

另一个可能的解决方案是使用 dplyr R 行函数。 https://www.tidyverse.org/blog/2020/04/dplyr-1-0-0-rowwise/

df %>% 
  rowwise() %>%
  mutate(emp_sum = sum(c_across(starts_with("emp"))), 
         sat_sum = sum(c_across(starts_with("sat"))),
         res_sum = sum(c_across(starts_with("res"))), 
         com_sum = sum(c_across(starts_with("com"))),
         cap_sum = sum(c_across(starts_with("cap"))))

【讨论】：