Tính tổng trên nhiều cột với dplyr

Câu hỏi của tôi liên quan đến việc tổng hợp các giá trị trên nhiều cột của khung dữ liệu và tạo một cột mới tương ứng với phép tổng kết này bằng cách sử dụng dplyr. Các mục dữ liệu trong các cột là nhị phân (0,1). Tôi đang nghĩ về một tương tự khôn ngoan của hàng của summarise_eachhoặc mutate_eachchức năng của dplyr. Dưới đây là một ví dụ tối thiểu về khung dữ liệu:

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

Tôi có thể sử dụng một cái gì đó như:

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

nhưng điều này sẽ liên quan đến việc viết ra tên của từng cột. Tôi có 50 cột. Ngoài ra, tên cột thay đổi ở các lần lặp khác nhau của vòng lặp mà tôi muốn thực hiện thao tác này, vì vậy tôi muốn tránh phải đặt bất kỳ tên cột nào.

Làm thế nào tôi có thể làm điều đó hiệu quả nhất? Bất kỳ sự trợ giúp nào cũng sẽ được đánh giá cao.

Làm thế nào về

tổng hợp từng cột

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

tổng hợp từng hàng

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

Nếu bạn chỉ muốn tổng hợp các cột nhất định, tôi sẽ sử dụng một cái gì đó như sau:

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)

Bằng cách này, bạn có thể sử dụng dplyr::selectcú pháp của.

Tôi sẽ sử dụng so khớp biểu thức chính quy để tính tổng các biến có tên mẫu nhất định. Ví dụ:

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

Bằng cách này, bạn có thể tạo nhiều hơn một biến dưới dạng tổng hợp của một số nhóm biến nhất định trong khung dữ liệu của bạn.

Tôi gặp sự cố này thường xuyên và cách dễ nhất để làm điều này là sử dụng apply()hàm trong một mutatelệnh.

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))

Ở đây bạn có thể sử dụng bất cứ thứ gì bạn muốn để chọn các cột bằng các dplyrthủ thuật tiêu chuẩn (ví dụ: starts_with()hoặc contains()). Bằng cách thực hiện tất cả công việc trong một mutatelệnh duy nhất , hành động này có thể xảy ra ở bất kỳ đâu trong dplyrchuỗi các bước xử lý. Cuối cùng, bằng cách sử dụng apply()hàm, bạn có thể linh hoạt sử dụng bất kỳ bản tóm tắt nào bạn cần, bao gồm cả chức năng tóm tắt được xây dựng theo mục đích của riêng bạn.

Ngoài ra, nếu ý tưởng sử dụng một hàm không ngăn nắp không hấp dẫn, thì bạn có thể thu thập các cột, tóm tắt chúng và cuối cùng nối kết quả trở lại khung dữ liệu ban đầu.

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, . )

Ở đây tôi đã sử dụng starts_with()hàm để chọn các cột và tính tổng và bạn có thể làm bất cứ điều gì bạn muốn với NAcác giá trị. Nhược điểm của phương pháp này là mặc dù nó khá linh hoạt, nhưng nó không thực sự phù hợp với một dplyrchuỗi các bước làm sạch dữ liệu.

Việc sử dụng reduce()từ purrrnhanh hơn một chút rowSumsvà nhanh hơn rõ ràng apply, vì bạn tránh lặp lại tất cả các hàng và chỉ tận dụng các thao tác được vector hóa:

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

Xem cái này để biết thời gian

Trong các phiên bản mới hơn, dplyrbạn có thể sử dụng rowwise()cùng với c_acrossđể thực hiện tổng hợp theo hàng cho các hàm không có các biến thể theo hàng cụ thể, nhưng nếu biến thể theo hàng tồn tại thì sẽ nhanh hơn.

Vì rowwise()chỉ là một dạng nhóm đặc biệt và thay đổi cách hoạt động của các động từ mà bạn có thể muốn chuyển nó thành ungroup()sau khi thực hiện thao tác theo hàng của mình.

Để chọn một loạt các hàng:

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()

Để chọn hàng theo loại:

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()

Trong trường hợp cụ thể của bạn, một biến thể theo hàng tồn tại để bạn có thể làm như sau (lưu ý việc sử dụng acrossthay thế):

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

Để biết thêm thông tin, hãy xem trang trên rowwise .