有条件地对 r 中的动态列求和

Question

我试图根据它们是否大于或小于 0 有条件地对许多列求和。我很惊讶我找不到 dplyr 或 data.table 解决这个问题。我想为大型 data.frame 计算 4 个新列（要计算的列在帖子的底部）。

dat2=matrix(nrow=10,rnorm(100));colnames(dat2)=paste0('V',rep(1:10))

dat2 %>% as.data.frame() %>%
  rowwise() %>%
  select_if(function(col){mean(col)>0}) %>%
  mutate(sum_pos=rowSums(.))  ##Obviously doesn't work

这些是我想要计算的简单统计数据（是的；这些 apply 语句有效，但我的 dplyr 链中还有其他事情要做，所以这就是我寻找dplyr 或data.table 方式的原因.每个给定行的正负列是不同的，所以我无法获取列列表（必须按行动态完成）。

#Calculate these, but in a dplyr chain?
n_pos=apply(dat2,1,function(x) sum((x>0)))
n_neg=apply(dat2,1,function(x) sum((x<0)))
sum_pos=apply(dat2,1,function(x) sum(x[(x>0)]))
sum_neg=apply(dat2,1,function(x) sum(x[(x<0)]))

Answer 1

我们不需要rowwise 和rowSums，因为rowSums 可以在没有任何分组的情况下求和

library(dplyr)
dat2 %>%
   as.data.frame() %>%  
   select_if(~ is.numeric(.) && mean(.) > 0) %>% 
   mutate(sum_pos = rowSums(.))

---

根据描述，似乎不是mean条件，而是与rowwise相关，正负值分别为sum

dat2 %>%
   as.data.frame %>%
   mutate(sum_pos = rowSums(. * NA^(. < 0), na.rm = TRUE),
           sum_neg = rowSums(.[1:10] * NA^(.[1:10] > 0), na.rm = TRUE) )