R 跨多个列应用函数

请在这里找到我正在使用的长data.table的一个非常小的子集

dput(dt)
structure(list(id = 1:15, pnum = c(4298390L, 4298390L, 4298390L, 
    4298558L, 4298558L, 4298559L, 4298559L, 4299026L, 4299026L, 4299026L, 
    4299026L, 4300436L, 4300436L, 4303566L, 4303566L), invid = c(15L, 
    101L, 102L, 103L, 104L, 103L, 104L, 106L, 107L, 108L, 109L, 87L, 
    111L, 2L, 60L), fid = structure(c(1L, 1L, 1L, 2L, 2L, 2L, 2L, 
    4L, 4L, 4L, 4L, 3L, 3L, 2L, 2L), .Label = c("CORN", "DowCor", 
    "KIM", "Texas"), class = "factor"), dom_kn = c(1L, 0L, 0L, 0L, 
    1L, 0L, 1L, 0L, 0L, 0L, 0L, 1L, 0L, 1L, 1L), prim_kn = c(1L, 
    0L, 0L, 0L, 1L, 0L, 1L, 0L, 0L, 0L, 0L, 1L, 0L, 1L, 0L), pat_kn = c(1L, 
    0L, 0L, 0L, 1L, 0L, 1L, 0L, 0L, 0L, 0L, 1L, 0L, 1L, 0L), net_kn = c(1L, 
    0L, 0L, 1L, 1L, 1L, 1L, 0L, 0L, 0L, 0L, 1L, 0L, 1L, 1L), age_kn = c(1L, 
    0L, 0L, 1L, 1L, 1L, 1L, 0L, 0L, 0L, 0L, 1L, 0L, 1L, 0L), legclaims = c(5L, 
    0L, 0L, 2L, 5L, 2L, 5L, 0L, 0L, 0L, 0L, 5L, 0L, 5L, 2L), n_inv = c(3L, 
    3L, 3L, 2L, 2L, 2L, 2L, 4L, 4L, 4L, 4L, 2L, 2L, 2L, 2L)), .Names = c("id", 
    "pnum", "invid", "fid", "dom_kn", "prim_kn", "pat_kn", "net_kn", 
    "age_kn", "legclaims", "n_inv"), class = "data.frame", row.names = c(NA, 
    -15L))

我希望在5个不同的列中应用调整后的大于比较

在每个

pnum

（专利）中，都有多个

invid

（发明人）。我想将每行

dom_kn

、

prim_kn

、

pat_kn

、

net_kn

和

age_kn

列的值与其他行中具有相同

pnum

的值进行比较。比较只是

，如果该值确实大于另一个值，则应归因于一个“点”

因此，对于第一行

pnum==4298390

和

invid==15

，您可以看到五列中的值都是

1

，而

invid==101 | 102

的值都是零。这意味着，如果我们单独比较（大于？）第一行中的每个值与第二行和第三行中的每个单元格，则总和将为10分。在每一次比较中，第一行中的值较大，有10次比较。 比较次数按设计

5*（n\u inv-1）

。 我要查找的第1行的结果应该是

10/10=1

对于

pnum==4298558

而言，列

net_kn

和

age_kn

在两行中都有值1（对于

invid

103和104），因此每个列都应该得到0.5分（如果有三个发明人的值为1，每个人都应该得到0.33分）。这同样适用于pnum==4298558

对于下一个

pnum==4299026

所有值均为零，因此每次比较应得到0分

因此请注意差异：有三种不同的二元比较

1 > 0 --> assign 1
1 = 1 --> assign 1 / number of positive values in column subset
0 = 0 --> assign 0

期望的结果 数据表中的一个额外列

result

，其值

1 0 0 0.2 0.8 0.2 0.8 0 0 0 0 0 1 0.8 0.2

关于如何有效地计算这个问题，有什么建议吗

---

谢谢

这里有一个使用

dplyr

的快速解决方案：

library(dplyr)
dt %>%
 group_by(pnum) %>% # group by pnum
 mutate_each(funs(. == max(.) & max(.) != 0), ends_with('kn')) %>%
 #give a 1 if the value is the max, and not 0. Only for the column with kn
 mutate_each(funs(. / sum(.)) , ends_with('kn')) %>%
 #correct for multiple maximums
 select(ends_with('kn')) %>%
 #remove all non kn columns
 do(data.frame(x = rowSums(.[-1]), y = sum(.[-1]))) %>%
 #make a new data frame with x = rowsums for each indvidual
 # and y the colusums
 mutate(out = x/y)
 #divide by y (we could just use /5 if we always have five columns)

在列

out

中给出所需的输出：

Source: local data frame [15 x 4]
Groups: pnum [6]

      pnum     x     y   out
     (int) (dbl) (dbl) (dbl)
1  4298390     5     5   1.0
2  4298390     0     5   0.0
3  4298390     0     5   0.0
4  4298558     1     5   0.2
5  4298558     4     5   0.8
6  4298559     1     5   0.2
7  4298559     4     5   0.8
8  4299026   NaN   NaN   NaN
9  4299026   NaN   NaN   NaN
10 4299026   NaN   NaN   NaN
11 4299026   NaN   NaN   NaN
12 4300436     5     5   1.0
13 4300436     0     5   0.0
14 4303566     4     5   0.8
15 4303566     1     5   0.2

NAN来自没有赢家的组，使用例如：

x[is.na(x)] <- 0

---

x[is.na（x）]这里有一个使用
dplyr的快速解决方案：

library(dplyr)
dt %>%
 group_by(pnum) %>% # group by pnum
 mutate_each(funs(. == max(.) & max(.) != 0), ends_with('kn')) %>%
 #give a 1 if the value is the max, and not 0. Only for the column with kn
 mutate_each(funs(. / sum(.)) , ends_with('kn')) %>%
 #correct for multiple maximums
 select(ends_with('kn')) %>%
 #remove all non kn columns
 do(data.frame(x = rowSums(.[-1]), y = sum(.[-1]))) %>%
 #make a new data frame with x = rowsums for each indvidual
 # and y the colusums
 mutate(out = x/y)
 #divide by y (we could just use /5 if we always have five columns)

在列
out
中给出所需的输出：

Source: local data frame [15 x 4]
Groups: pnum [6]

      pnum     x     y   out
     (int) (dbl) (dbl) (dbl)
1  4298390     5     5   1.0
2  4298390     0     5   0.0
3  4298390     0     5   0.0
4  4298558     1     5   0.2
5  4298558     4     5   0.8
6  4298559     1     5   0.2
7  4298559     4     5   0.8
8  4299026   NaN   NaN   NaN
9  4299026   NaN   NaN   NaN
10 4299026   NaN   NaN   NaN
11 4299026   NaN   NaN   NaN
12 4300436     5     5   1.0
13 4300436     0     5   0.0
14 4303566     4     5   0.8
15 4303566     1     5   0.2

NAN来自没有赢家的组，使用例如：

x[is.na(x)] <- 0

x[is.na（x）]
处理上述
NaN
案例（可以说是正确的答案）由读者决定

处理上述
NaN
案例（可以说是正确答案）留给读者。
我不太清楚，因为
pnum==4298558
，net_kn和age_kn都是1，所以没有一个大于另一个，根据您的描述，它们应该是0。为什么不是这样？描述可能不清楚。它们都有值1，需要与同样有值1的下一行进行比较。如果它们相等且为1，则应获得专利“比较简单>栏中正值数量的1/值，如果该值确实大于另一个值，则应归因于一个“点”。它们相等，所以它们得到0，为什么它们得到1？好的，我需要重新定义它。如果在同一列和同一专利中，多个值的值为1，则分配的值不为零。它必须是1除以非零值的数量。这些列只能取1或0？我不太清楚，因为
pnum==4298558
，net_kn和age_kn都有1，所以没有一个大于另一个，根据您的描述，它们应该得到0。为什么不是这样？描述可能不清楚。它们都有值1，需要与同样有值1的下一行进行比较。如果它们相等且为1，则应获得专利“比较简单>栏中正值数量的1/值，如果该值确实大于另一个值，则应归因于一个“点”。它们相等，所以它们得到0，为什么它们得到1？好的，我需要重新定义它。如果在同一列和同一专利中，多个值的值为1，则分配的值不为零。它必须是1除以非零值的数量，这些列只能取1或0？这真是一个很棒的解决方案。我甚至不知道可以通过
data.table
中的
参数向
添加列名。那太好了。同样非常出色的是，您成功地忽略了这个困难的解释，并意识到可以通过对列中的行进行求和来实现同样的效果。直到《蝙蝠侠与超人》的一半，我才意识到这一点！就我的理解而言，这里的
.N
是否等于特定变量的列和，而不是行数的计数？如果是，这是因为您在
by
语句中添加了
'var
？再次感谢！很乐意帮忙
.N
是“pnum”和给定“var”的每个唯一组合的行数。这真是一个很棒的解决方案。我甚至不知道可以通过
data.table
中的
参数向
添加列名。那太好了。同样非常出色的是，您成功地忽略了这个困难的解释，并意识到可以通过对列中的行进行求和来实现同样的效果。直到《蝙蝠侠与超人》的一半，我才意识到这一点！就我的理解而言，这里的
.N
是否等于特定变量的列和，而不是行数的计数？如果是，这是因为您在
by
语句中添加了
'var
？再次感谢！很乐意帮忙
.N
是“pnum”和给定“var”的每个唯一组合的行数。