使用dplyr跨多列求和

我的问题涉及跨数据框的多个列求和，并使用来创建与该求和相对应的新列dplyr。列中的数据条目为binary（0,1）。我正在考虑的summarise_each或mutate_each函数的逐行模拟dplyr。以下是数据框的最小示例：

library(dplyr)
df=data.frame(
  x1=c(1,0,0,NA,0,1,1,NA,0,1),
  x2=c(1,1,NA,1,1,0,NA,NA,0,1),
  x3=c(0,1,0,1,1,0,NA,NA,0,1),
  x4=c(1,0,NA,1,0,0,NA,0,0,1),
  x5=c(1,1,NA,1,1,1,NA,1,0,1))

> df
   x1 x2 x3 x4 x5
1   1  1  0  1  1
2   0  1  1  0  1
3   0 NA  0 NA NA
4  NA  1  1  1  1
5   0  1  1  0  1
6   1  0  0  0  1
7   1 NA NA NA NA
8  NA NA NA  0  1
9   0  0  0  0  0
10  1  1  1  1  1

我可以使用类似：

df <- df %>% mutate(sumrow= x1 + x2 + x3 + x4 + x5)

但这将涉及写出每列的名称。我喜欢50列。另外，列名会在要实现此操作的循环的不同迭代中更改，因此我想尽量避免必须提供任何列名。

我怎样才能最有效地做到这一点？任何帮助将不胜感激。

怎么样

总结每一列

df %>%
   replace(is.na(.), 0) %>%
   summarise_all(funs(sum))

总结每一行

df %>%
   replace(is.na(.), 0) %>%
   mutate(sum = rowSums(.[1:5]))

如果您只想对某些列求和，我将使用以下方法：

library(dplyr)
df=data.frame(
  x1=c(1,0,0,NA,0,1,1,NA,0,1),
  x2=c(1,1,NA,1,1,0,NA,NA,0,1),
  x3=c(0,1,0,1,1,0,NA,NA,0,1),
  x4=c(1,0,NA,1,0,0,NA,0,0,1),
  x5=c(1,1,NA,1,1,1,NA,1,0,1))
df %>% select(x3:x5) %>% rowSums(na.rm=TRUE) -> df$x3x5.total
head(df)

这样您就可以使用dplyr::select的语法。

我将使用正则表达式匹配来总结具有某些模式名称的变量。例如：

df <- df %>% mutate(sum1 = rowSums(.[grep("x[3-5]", names(.))], na.rm = TRUE),
                    sum_all = rowSums(.[grep("x", names(.))], na.rm = TRUE))

这样，您可以创建多个变量作为数据帧中某些变量组的总和。

我经常遇到此问题，最简单的方法是apply()在mutate命令中使用该函数。

library(tidyverse)
df=data.frame(
  x1=c(1,0,0,NA,0,1,1,NA,0,1),
  x2=c(1,1,NA,1,1,0,NA,NA,0,1),
  x3=c(0,1,0,1,1,0,NA,NA,0,1),
  x4=c(1,0,NA,1,0,0,NA,0,0,1),
  x5=c(1,1,NA,1,1,1,NA,1,0,1))

df %>%
  mutate(sum = select(., x1:x5) %>% apply(1, sum, na.rm=TRUE))

在这里，您可以使用标准dplyr技巧（例如starts_with()或contains()）来选择列。通过在单个mutate命令中完成所有工作，此操作可以在一系列dplyr处理步骤中的任何位置发生。最后，通过使用该apply()函数，您可以灵活地使用所需的任何摘要，包括您自己构建的摘要功能。

或者，如果使用非排字功能的想法不受欢迎，那么您可以收集各列，对其进行汇总，最后将结果合并回原始数据框。

df <- df %>% mutate( id = 1:n() )   # Need some ID column for this to work

df <- df %>%
  group_by(id) %>%
  gather('Key', 'value', starts_with('x')) %>%
  summarise( Key.Sum = sum(value) ) %>%
  left_join( df, . )

在这里，我使用该starts_with()函数选择列并计算总和，您可以对NA值进行任何操作。这种方法的缺点是，尽管它非常灵活，但实际上并不适合dplyr数据清理步骤。

使用reduce()frompurrr的速度比rowSums最终要快apply，并且肯定比快，因为您避免了遍历所有行，而只是利用了矢量化操作：

library(purrr)
library(dplyr)
iris %>% mutate(Petal = reduce(select(., starts_with("Petal")), `+`))

看到这个计时

在较新的版本中，dplyr您可以使用rowwise()和c_across来对没有特定的按行变体的功能执行按行聚合，但是如果存在按行变体，则应该更快。

因为rowwise()这只是一种特殊的分组形式，并且会改变动词的工作方式，所以您可能需要ungroup()在执行逐行操作后将其传递给管道。

要选择行范围：

df %>%
  dplyr::rowwise() %>% 
  dplyr::mutate(sumrange = sum(dplyr::c_across(x1:x5), na.rm = T))
# %>% dplyr::ungroup() # you'll likely want to ungroup after using rowwise()

要按类型选择行：

df %>%
  dplyr::rowwise() %>% 
  dplyr::mutate(sumnumeric = sum(c_across(where(is.numeric)), na.rm = T))
# %>% dplyr::ungroup() # you'll likely want to ungroup after using rowwise()

在您的特定情况下，存在逐行变体，因此您可以执行以下操作（注意使用across代替）：

df %>%
  dplyr::mutate(sumrow = rowSums(dplyr::across(x1:x5), na.rm = T))
# %>% dplyr::ungroup() # you'll likely want to ungroup after using rowwise()

欲了解更多信息，请参阅页面横行。