Суммирование по нескольким столбцам с помощью dplyr

Мой вопрос включает суммирование значений по нескольким столбцам фрейма данных и создание нового столбца, соответствующего этому суммированию, используя dplyr. Записи данных в столбцах являются двоичными (0,1). Я думаю о построчном аналоге функции summarise_eachили . Ниже приведен минимальный пример фрейма данных:mutate_eachdplyr

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

Я мог бы использовать что-то вроде:

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

но это потребует написания имен каждого из столбцов. У меня вроде 50 колонок. Кроме того, имена столбцов меняются на разных итерациях цикла, в котором я хочу реализовать эту операцию, поэтому я хотел бы попытаться избежать необходимости указывать какие-либо имена столбцов.

Как я могу сделать это наиболее эффективно? Будем очень благодарны любой помощи.

Как насчет

суммировать каждый столбец

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

суммировать каждую строку

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

Если вы хотите суммировать только определенные столбцы, я бы использовал что-то вроде этого:

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)

Таким образом вы можете использовать dplyr::selectсинтаксис.

Я бы использовал сопоставление регулярных выражений для суммирования переменных с определенными именами шаблонов. Например:

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

Таким образом, вы можете создать более одной переменной как сумму определенной группы переменных вашего фрейма данных.

Я часто сталкиваюсь с этой проблемой, и самый простой способ сделать это - использовать apply()функцию вmutate команде.

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))

Здесь вы можете использовать все, что хотите, чтобы выбрать столбцы, используя стандартные dplyrприемы (например, starts_with()или contains()). Выполняя всю работу в рамках одной mutateкоманды, это действие может происходить где угодно в dplyrпотоке шагов обработки. Наконец, с помощью этой apply()функции у вас есть возможность использовать любую необходимую сводку, включая вашу собственную специально созданную функцию суммирования.

В качестве альтернативы, если идея использования функции, отличной от tidyverse, непривлекательна, вы можете собрать столбцы, суммировать их и, наконец, присоединить результат к исходному фрейму данных.

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, . )

Здесь я использовал starts_with()функцию для выбора столбцов и вычисления суммы, и вы можете делать все, что хотите, со NAзначениями. Обратной стороной этого подхода является то, что, хотя он довольно гибкий, он не вписывается в dplyrпоток шагов по очистке данных.

Использование reduce()from purrrнемного быстрее rowSumsи определенно быстрее, чем apply, поскольку вы избегаете итерации по всем строкам и просто пользуетесь преимуществами векторизованных операций:

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

Смотрите это тайминги

В более новых версиях dplyrвы можете использовать rowwise()вместе сc_across для выполнения построчной агрегации для функций, не имеющих конкретных построчных вариантов, но если построчный вариант существует, он должен быть быстрее.

Поскольку rowwise()это просто особая форма группировки и меняет способ работы глаголов, вы, вероятно, захотите передать ее по конвейеру ungroup()после выполнения построчной операции.

Чтобы выбрать диапазон строк:

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()

Чтобы выбрать строки по типу:

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()

В вашем конкретном случае существует построчный вариант, поэтому вы можете сделать следующее (обратите внимание на использование acrossвместо):

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

Для получения дополнительной информации см. Страницу строкам .