使用 dplyr 跨列条件求和

Question

我有一个数据框，其中包含八个月内对四个栖息地进行采样的数据。每个月从每个栖息地收集十个样本。计算每个样本中物种的个体数量。下面的代码生成一个类似结构的更小的数据框。

# Pseudo data
Habitat <- factor(c(rep("Dry",6), rep("Wet",6)), levels = c("Dry","Wet"))
Month <- factor(rep(c(rep("Jan",2), rep("Feb",2), rep("Mar",2)),2), levels=c("Jan","Feb","Mar"))
Sample <- rep(c(1,2),6)
Species1 <- rpois(12,6)
Species2 <- rpois(12,6)
Species3 <- rpois(12,6)

df <- data.frame(Habitat,Month, Sample, Species1, Species2, Species3)

我想按月汇总所有采样物种的个体总数。我正在使用ddply（首选），但我愿意接受其他建议。

我得到的最接近的是将每列的总和相加，如下所示。

library(plyr)
ddply(df, ~ Month, summarize, tot_by_mon = sum(Species1) + sum(Species2) + sum(Species3))

#   Month tot_by_mon
# 1   Jan         84
# 2   Feb         92
# 3   Mar         67

这行得通，但我想知道是否有一种通用方法来处理“未知”物种数量的病例。也就是说，第一个物种总是从第 4 列开始，但最后一个物种可能在第 10 列或第 42 列。我不想将实际物种名称硬编码到摘要函数中。请注意，物种名称差异很大，例如 Doryflav 和 Pheibica。

Answer 1

假设Speciess 列都以Species 开头，您可以通过前缀选择它们并使用group_by %>% do 求和：

library(tidyverse)
df %>% 
    group_by(Month) %>% 
    do(tot_by_mon = sum(select(., starts_with('Species')))) %>% 
    unnest()

# A tibble: 3 x 2
#   Month tot_by_mon
#  <fctr>      <int>
#1    Jan         63
#2    Feb         67
#3    Mar         58

---

如果列名不遵循模式，您可以按列位置进行选择，例如，如果 Species 列从第 4 列到数据框的末尾：

df %>% 
    group_by(Month) %>% 
    do(tot_by_mon = sum(select(., 4:ncol(.)))) %>% 
    unnest()

# A tibble: 3 x 2
#   Month tot_by_mon
#  <fctr>      <int>
#1    Jan         63
#2    Feb         67
#3    Mar         58

Answer 2

这是另一个使用 data.table 的解决方案，无需知道“物种”列的名称：

library(data.table)

DT = melt(setDT(df), id.vars = c("Habitat", "Month", "Sample"))    
DT[, .(tot_by_mon=sum(value)), by = "Month"]

或者如果你想要它紧凑，这里有一个单行：

melt(setDT(df), 1:3)[, .(tot_by_mon=sum(value)), by = "Month"]

结果：

   Month tot_by_mon
1:   Jan         90
2:   Feb         81
3:   Mar         70

数据：（设置种子以使示例可重现）

set.seed(123)
Habitat <- factor(c(rep("Dry",6), rep("Wet",6)), levels = c("Dry","Wet"))
Month <- factor(rep(c(rep("Jan",2), rep("Feb",2), rep("Mar",2)),2), levels=c("Jan","Feb","Mar"))
Sample <- rep(c(1,2),6)
Species1 <- rpois(12,6)
Species2 <- rpois(12,6)
Species3 <- rpois(12,6)

df <- data.frame(Habitat,Month, Sample, Species1, Species2, Species3)

Answer 3

这是data.table 的另一个选项，无需重新整形为“长”格式

library(data.table)
setDT(df)[, .(tot_by_mon = Reduce(`+`, lapply(.SD, sum))), Month,
          .SDcols = Species1:Species3]
#   Month tot_by_mon
#1:   Jan         90
#2:   Feb         81
#3:   Mar         70

---

或者使用tidyverse，我们也可以使用map函数，这样会很高效

library(dplyr)
library(purrr)
df %>% 
  group_by(Month) %>%
  nest(starts_with('Species')) %>%
  mutate(tot_by_mon = map_int(data, ~sum(unlist(.x)))) %>% 
  select(-data)
# A tibble: 3 x 2
#    Month tot_by_mon
#   <fctr>      <int>
#1    Jan         90
#2    Feb         81
#3    Mar         70

数据

set.seed(123)
Habitat <- factor(c(rep("Dry",6), rep("Wet",6)), levels = c("Dry","Wet"))
Month <- factor(rep(c(rep("Jan",2), rep("Feb",2), rep("Mar",2)),2),
                        levels=c("Jan","Feb","Mar"))
Sample <- rep(c(1,2),6)
Species1 <- rpois(12,6)
Species2 <- rpois(12,6)
Species3 <- rpois(12,6)

df <- data.frame(Habitat,Month, Sample, Species1, Species2, Species3)

Answer 4

类似于@user 对data.table 的melt 的回答，您可以使用tidyr 与gather 一起重塑：

library(tidyr)
library(dplyr)
gather(df, Species, Value, matches("Species")) %>% 
  group_by(Month) %>% summarise(z = sum(Value))

# A tibble: 3 x 2
   Month     z
  <fctr> <int>
1    Jan    90
2    Feb    81
3    Mar    70

如果您按位置而不是“匹配”模式知道列...

gather(df, Species, Value, -(1:3)) %>% 
  group_by(Month) %>% summarise(z = sum(Value))

（使用@akrun 的set.seed(123) 示例数据显示的结果。）