R 用于循环或应用函数来分离和求和变量
我有一个数据框，其中有多组变量，我需要提取每个组并创建一个新变量，它是每个组的行和。每个组都可以识别，因为它们包含0-5之间的数字 目前，我正在通过以下方式分别提取和汇总各组：R 用于循环或应用函数来分离和求和变量,r,R,我有一个数据框，其中有多组变量，我需要提取每个组并创建一个新变量，它是每个组的行和。每个组都可以识别，因为它们包含0-5之间的数字 目前，我正在通过以下方式分别提取和汇总各组： sum_cols <- function(x, col1, col2, col3){ x[[col1]] + x[[col2]] + x[[col3]] } test %>% select(contains('0')) %>% mutate( p0 = sum_cols(x = .
sum_cols <- function(x, col1, col2, col3){
x[[col1]] + x[[col2]] + x[[col3]]
}
test %>%
select(contains('0')) %>%
mutate(
p0 = sum_cols(x = ., col1 = 1, col2 = 2, col3 = 3)
) %>% pull(p0)
使用
map\u dfcpaste0（'p'，0:5）选择和转换当前p
，然后将Ps组合在一起
我们还可以使用base Rsplit.default
根据名称中的公共子字符串（“p”后跟一个数字）拆分列，然后使用sapply
获取每组的行和
df <- test[-1]
data.frame(sapply(split.default(df, sub(".*(P\\d+).*", "\\1", names(df))), rowSums))
# P0 P1 P2 P3 P4 P5
#1 6.882 298.560 -0.372 0.350 274.384 -4.510
#2 6.344 297.785 -1.686 1.144 275.994 -4.510
#3 6.627 299.074 -1.688 0.597 275.160 -5.027
#4 6.089 298.815 -0.893 0.325 275.976 -4.773
#5 5.017 299.070 -1.947 0.874 275.441 -5.573
#6 5.037 299.355 -0.631 0.600 276.499 -4.228
#7 4.227 298.817 -1.688 0.604 275.977 -4.753
#8 4.487 299.074 -1.431 0.069 275.460 -5.311
#9 5.297 299.103 -1.692 0.325 277.314 -5.053
#10 5.817 299.345 -1.154 0.325 275.723 -4.773
非常感谢。我从未想到过使用purrr
library(dplyr)
library(purrr)
#use map if you need the output as a list
map_dfc(paste0('P',0:5),
~select(test, contains(.x)) %>% transmute(!!.x := rowSums(., na.rm = TRUE)))
P0 P1 P2 P3 P4 P5
1 6.882 298.560 -0.372 0.350 274.384 -4.510
2 6.344 297.785 -1.686 1.144 275.994 -4.510
3 6.627 299.074 -1.688 0.597 275.160 -5.027
4 6.089 298.815 -0.893 0.325 275.976 -4.773
5 5.017 299.070 -1.947 0.874 275.441 -5.573
6 5.037 299.355 -0.631 0.600 276.499 -4.228
7 4.227 298.817 -1.688 0.604 275.977 -4.753
8 4.487 299.074 -1.431 0.069 275.460 -5.311
9 5.297 299.103 -1.692 0.325 277.314 -5.053
10 5.817 299.345 -1.154 0.325 275.723 -4.773
df <- test[-1]
data.frame(sapply(split.default(df, sub(".*(P\\d+).*", "\\1", names(df))), rowSums))
# P0 P1 P2 P3 P4 P5
#1 6.882 298.560 -0.372 0.350 274.384 -4.510
#2 6.344 297.785 -1.686 1.144 275.994 -4.510
#3 6.627 299.074 -1.688 0.597 275.160 -5.027
#4 6.089 298.815 -0.893 0.325 275.976 -4.773
#5 5.017 299.070 -1.947 0.874 275.441 -5.573
#6 5.037 299.355 -0.631 0.600 276.499 -4.228
#7 4.227 298.817 -1.688 0.604 275.977 -4.753
#8 4.487 299.074 -1.431 0.069 275.460 -5.311
#9 5.297 299.103 -1.692 0.325 277.314 -5.053
#10 5.817 299.345 -1.154 0.325 275.723 -4.773
sub(".*(P\\d+).*", "\\1", names(df))
# [1] "P0" "P0" "P0" "P1" "P1" "P1" "P2" "P2" "P2" "P3" "P3" "P3" "P4" "P4" "P4"
# "P5" "P5" "P5"