计算R中两列的某些值之和

我目前有一个数据帧，如下面一组成对关联中的一个：

数据

structure(list(ID1 = c("A", "A", "A", "B", "B", "C"), ID2 = c("B", 
"C", "D", "C", "D", "D"), cor = c(0.6, 0.6, 0.2, 0.1, 0.9, 0.2
), value1 = c(50L, 50L, 50L, 20L, 20L, 30L), value2 = c(20L, 
30L, 100L, 30L, 100L, 100L)), class = "data.frame", row.names = c(NA, 
-6L))
  ID1 ID2 cor value1 value2
1   A   B 0.6     50     20
2   A   C 0.6     50     30
3   A   D 0.2     50    100
4   B   C 0.1     20     30
5   B   D 0.9     20    100
6   C   D 0.2     30    100

我试图得到cor和value1或value2之间的乘积的所有id（即B）之和，这取决于它是来自ID1还是ID2

例如，B的总和为（cor x值）

---

我基本上需要对大约20000个唯一ID执行此操作。我希望这是有道理的。我在R方面还不是很好

除非你在寻找回答这个问题的

dplyr

方法，这里有一个快速但有点不雅观的方法：

cond1 <- df$ID1[df$ID1 == "B"]
sum1 <- sum(df$cor[cond1] * df$value1[cond1])

cond2 <- df$ID2[df$ID2 == "B"]
sum2 <- sum(df$cor[cond2] * df$value2[cond2])

finalsum = sum1 + sum2

---

如果ID仅存在于ID1或ID2中，则可能存在问题，也可能不存在问题。我相信你可以写一个条件来处理这个问题。

另一种看待问题的方式如下

假设您的数据帧名称为

a

a1 <- subset(a,select=c(ID1,cor,value1))
a2 <- subset(a,select=c(ID2,cor,value1))

colnames(a2)[colnames(a2) == "ID2"] <- "ID1"

a3 <- rbind(a1,a2)

a3$MULTIPLY1 <- a3$cor * a3$value1

a4 <- a3 %>% group_by(ID1) %>% summarise(FINALVALUE = sum(MULTIPLY1))


# A tibble: 4 x 2
  ID1   FINALVALUE
  <chr>      <dbl>
1 A             70
2 B             50
3 C             38
4 D             34

---

a1这能满足您的需要吗

library(tidyverse)

df2 <- df %>%
  pivot_longer(names_to = "names", values_to = "values", -c(cor:value2)) %>%
  mutate(value = if_else(names == "ID1", value2, value1),
         sum = cor * value) %>%
  group_by(values) %>%
  summarise(sum = sum(sum))

库（tidyverse）
df2%
轴长（名称到=“名称”，值到=“值”，-c（cor:value2））%>%
变异（value=if_else（name==“ID1”、value2、value1），
总和=cor*值）%>%
分组依据（值）%>%
总结（总和=总和（总和））
问题是我有几千个ID。为什么
cor
在
ID2
中时要乘
value1
？这不是直觉。
IDs <- unique(c(df$ID1, df$ID2)) 
sapply(IDs, function (x) prodsum(df, x)

a1 <- subset(a,select=c(ID1,cor,value1))
a2 <- subset(a,select=c(ID2,cor,value1))

colnames(a2)[colnames(a2) == "ID2"] <- "ID1"

a3 <- rbind(a1,a2)

a3$MULTIPLY1 <- a3$cor * a3$value1

a4 <- a3 %>% group_by(ID1) %>% summarise(FINALVALUE = sum(MULTIPLY1))


# A tibble: 4 x 2
  ID1   FINALVALUE
  <chr>      <dbl>
1 A             70
2 B             50
3 C             38
4 D             34


library(tidyverse)

df2 <- df %>%
  pivot_longer(names_to = "names", values_to = "values", -c(cor:value2)) %>%
  mutate(value = if_else(names == "ID1", value2, value1),
         sum = cor * value) %>%
  group_by(values) %>%
  summarise(sum = sum(sum))