R 折叠合并行和列的总和

由于某些编码，数据集的顺序过于有序。我希望保留这些列，但希望对每个操作进行总结（=21个唯一术语）。为了使其适合于计算程序每个四分位（Q）中出现次数的单行

目标是统计每个Q实例的预测值。数据分为21个动作、4个Q和100个程序。总的计数是目前，我们想削减4件（时间）

我也不介意将所有操作都以删除Q作为一列进行计数

我想要这个，或者这就是我对结果的期望：

   procedure`action 1 Q1` `action 1 Q2` `action 2 Q1` `action 2 Q2`
    <dbl>         <dbl>         <dbl>         <dbl>         <dbl>
 1   1             4             2             2             3
 2   2             2             2             1             5
 3   3             ..            ..            ..            ..

---

来源：

我相信有更好的方法，但从你离开的地方开始：

df_wide <- df_long %>% spread(action.Q, n, fill=0)
df_wide %>%
  group_by(procedure) %>%
  summarize(`action 1 Q1` = sum(`action 1 Q1`), `action 1 Q2` = sum(`action 1 Q2`), `action 2 Q1` = sum(`action 2 Q1`), `action 2 Q2` = sum(`action 2 Q2`))

---

注意操作后的“空格”，以避免与

操作

列本身匹配。

预期输出是什么？您好，谢谢您的回复。我有21个动作x 4个Qs，有没有一种不那么手工的方式来写这个？我将在summary（）中使用

summary\u at

，

df\u-wide%%>%groupby（procedure）%%>%summary\u at（vars（start\u with（“action”）），sum）

在R中使用多种方法：df\u-wide%%groupby（procedure）%%>%summary\u-each（funs（sum），start\u with（“action”）action动作就是一个例子，因此“行动”实际上是21种不同行动（授权、指导、说教等）的列表。我本可以说得更清楚，我正在寻找一个通用的解决方案。但我想我可以将其子集并与主数据文件合并。

procedure <- rep(c(rep(1,10), rep(2,10)),2)
Q <- rep(rep(c(rep('Q1',5),rep('Q2',5)),2),2)
action <- rep(rep(paste('action', 1:4),5),2)
df <- data.frame(procedure, Q, action)

library(dplyr)
library(tidyr)

# We can group by procedure, Q and action, and then count the instance with tally().

df_long <- df %>% group_by(procedure, Q, action) %>% tally()
df_long$action.Q <- paste(df_long$action,df_long$Q)

# Now we can use the function spread to create wide dataframe with columns for each combination of Q and action:

df_wide <- df_long %>% spread(action.Q, n, fill=0) %>% select(-c(Q,action))

# A tibble: 10 x 5
# Groups:   procedure, Q [3]
   procedure Q     action       n action.Q   
      <dbl> <fct> <fct>    <int> <chr>      
 1        1 Q1    action 1     4 action 1 Q1
 2        1 Q1    action 2     2 action 2 Q1
 3        1 Q1    action 3     2 action 3 Q1
 4        1 Q1    action 4     2 action 4 Q1
 5        1 Q2    action 1     2 action 1 Q2
 6        1 Q2    action 2     4 action 2 Q2
 7        1 Q2    action 3     2 action 3 Q2
 8        1 Q2    action 4     2 action 4 Q2
 9        2 Q1    action 1     2 action 1 Q1
10        2 Q1    action 2     2 action 2 Q1

df_wide <- df_long %>% spread(action.Q, n, fill=0)
df_wide %>%
  group_by(procedure) %>%
  summarize(`action 1 Q1` = sum(`action 1 Q1`), `action 1 Q2` = sum(`action 1 Q2`), `action 2 Q1` = sum(`action 2 Q1`), `action 2 Q2` = sum(`action 2 Q2`))

df_wide %>%
  group_by(procedure) %>%
  summarize_at(vars(starts_with("action ")), sum)