我有一个数据集,看起来像这样
Variable A1 A2 A3 B1 B2 B3
Item 1 Men 1 3 3 1 2 3
Item 2 Men 1 3 3 1 2 3
Item 1 Men 1 3 3 1 2 3
Item 3 Men 2 1 2 5 3 3
Item 2 Men 1 3 3 1 2 3我需要将列A1, A2, A3分组为A,将B1,B2,B3分组为B,然后我想对这些值求和。
我如何在R中做到这一点?
发布于 2014-12-08 23:56:13
如果只需要对几个变量执行此操作,则可以执行以下操作:
df$A <- rowSums(df[grep("^A\\d+$", names(df))])
df$B <- rowSums(df[grep("^B\\d+$", names(df))])
df[!names(df) %in% grep("^[A-Z]{1}\\d+$", names(df), value = TRUE)]
df
# Variable Sex A B
#1 Item_1 Men 7 6
#2 Item_2 Men 7 6
#3 Item_1 Men 7 6
#4 Item_3 Men 5 11
#5 Item_2 Men 7 6(我将"MEN“列命名为Sex,因为它的列名似乎太少了)。
我在上面编写的grep()命令使用正则表达式。例如,"^A\\d+$"匹配那些以"A“开头、后跟任意位数的列名。grep命令返回找到这些匹配项的索引(在列名中),因此rowSums将只将正确的列相加。
在第三行中使用了一个非常类似的概念来删除格式为的列:任何单个大写字母(A到Z)后跟任意数量的数字都将被删除。
发布于 2014-12-08 23:55:50
test.df$A <- test.df$A1 + test.df$A2 + test.df$A3对于B也是如此。这段代码只会在数据帧中创建一个新的变量,名为A,并进行计算。
发布于 2014-12-09 00:10:00
如果您有many组,则可以将wide格式转换为long格式,然后执行必要的计算。以下是使用dplyr的一种方法
library(dplyr)
library(tidyr)
df$indx <- 1:nrow(df)
df %>%
gather(Var, Val, -Variable,-indx) %>%
extract(Var, c('Var1', 'Var2'), '(.)(.)') %>%
group_by(Variable, indx, Var1) %>%
summarise(Val=sum(Val)) %>%
ungroup() %>%
spread(Var1, Val) %>%
arrange(indx)
# Variable indx A B
#1 Item 1 Men 1 7 6
#2 Item 2 Men 2 7 6
#3 Item 1 Men 3 7 6
#4 Item 3 Men 4 5 11
#5 Item 2 Men 5 7 6或者,另一种选择是在rowSums中使用Map
indx <- sub('\\d+', '', colnames(df)[-1])
lst <- split(colnames(df)[-1],indx)
df1 <- df[1]
Un <- unique(indx)
df1[Un] <- Map(function(x,y) rowSums(x[y], na.rm=TRUE),
list(df), lst)
df1
# Variable A B
#1 Item 1 Men 7 6
#2 Item 2 Men 7 6
#3 Item 1 Men 7 6
#4 Item 3 Men 5 11
#5 Item 2 Men 7 6或者如果列是ordered,即。然后是A1, A2,A3,然后是B1, B2, B3,每个组的列数是相同的。(相应地更改dim )
df1[Un] <- apply(array(as.matrix(df[-1]),
dim=c(nrow(df),3,length(Un))), c(1,3), sum)数据
df <- structure(list(Variable = c("Item 1 Men", "Item 2 Men", "Item 1 Men",
"Item 3 Men", "Item 2 Men"), A1 = c(1L, 1L, 1L, 2L, 1L), A2 = c(3L,
3L, 3L, 1L, 3L), A3 = c(3L, 3L, 3L, 2L, 3L), B1 = c(1L, 1L, 1L,
5L, 1L), B2 = c(2L, 2L, 2L, 3L, 2L), B3 = c(3L, 3L, 3L, 3L, 3L
)), .Names = c("Variable", "A1", "A2", "A3", "B1", "B2", "B3"
), class = "data.frame", row.names = c(NA, -5L))https://stackoverflow.com/questions/27361550
复制相似问题