使用列名、data.table 中的数字字符串计算列

Question

我有一个表（称为 money_table），其中有许多列，其名称中带有财政年度后缀：

ID    LunchMoney_1213   DinnerMondey_1213    LunchMoney_1314    DinnerMondy_1314
01                 12                  24                 17                  18
02                234                  12                 43                  44
03                 14                  19                  2                  12

我需要创建新列，添加相关年份的LunchMoney 和DinnerMoney 金额，并删除旧列。这个想法是这样结束的：

ID    TotalMoney_1213    TotalMoney_1314
01                 36                 35
02                246                 87
03                 33                 14

我用的是data.table，因为表很大，我可以用下面的代码做我想做的事：

money_table[,':='(TotalMoney_1213 = LunchMoney_1213 + DinnerMoney_1213,
                  TotalMoney_1314 = LunchMoney_1314 + DinnerMoney_1314)][,c(LunchMoney_1213,DinnerMoney_1213, LunchMoney_1314, DinnerMoney_1314) := NULL]

但是有很多年，所以像这样写出来会花费太长时间。我知道必须有一种方法可以使用列名中的数字并更有效地执行此操作，但我无法弄清楚。

非常感谢任何帮助。

Answer 1

我建议将您的数据框转换为整齐的格式，其中每列都是一个变量：

money_table %>%
  gather("key", "value", c(-ID)) %>%                          # Wide -> Long format
  separate(key, into = c("type", "year"), sep = "_") %>%   # Split what used to be colum names into type and year
  spread(type, value) %>%                                  # DinnerMoney and LunchMoney are now two separate variables with values for each year
  group_by(ID, year) %>%                                   # Group by ID and year
  summarize(DinnerMoney = sum(DinnerMoney),                # Sum up DinnerMoney for each year as well as LunchMoney for each year
            LunchMoney = sum(LunchMoney)) %>%
  mutate(total_value = DinnerMoney + LunchMoney)           # Get total value for each year

# A tibble: 6 x 5
# Groups:   ID [3]
     ID year  DinnerMoney LunchMoney total_value
  <int> <chr>       <int>      <int>       <int>
1     1 1213           24         12          36
2     1 1314           18         17          35
3     2 1213           12        234         246
4     2 1314           44         43          87
5     3 1213           19         14          33
6     3 1314           12          2          14

如果您想将每一年的总值作为列，您可以像这样旋转该表：

money_table %>%
  select(ID, year, total_value) %>%
  spread(year, total_value)

# A tibble: 3 x 3
# Groups:   ID [3]
     ID `1213` `1314`
  <int>  <int>  <int>
1     1     36     35
2     2    246     87
3     3     33     14

Answer 2

我认为旋转（更长）、总结，然后不旋转（更宽）是可行的。 （我想知道从长远来看，将它保持在 long 形式是否会更好，交给你。）

library(data.table)
money_table <- setDT(structure(list(ID = 1:3, LunchMoney_1213 = c(12L, 234L, 14L), DinnerMondey_1213 = c(24L, 12L, 19L), LunchMoney_1314 = c(17L, 43L, 2L), DinnerMondy_1314 = c(18L, 44L, 12L)), row.names = c(NA, -3L), class = "data.frame"))

dcast(
  melt(money_table, id.vars = "ID"
    )[, yr := paste0("TotalMoney_", gsub(".*_", "", variable))
    ][, .(value = sum(value)), by = .(ID, yr)
    ],
  ID ~ yr, value.vars = "value")
#       ID TotalMoney_1213 TotalMoney_1314
#    <int>           <int>           <int>
# 1:     1              36              35
# 2:     2             246              87
# 3:     3              33              14

如果您已经将magrittr 用于其他事情（无论是否使用dplyr...我一直将它与data.table 一起使用），这可以稍微更具可读性：

library(magrittr)
melt(money_table, id.vars = "ID") %>%
  .[, yr := paste0("TotalMoney_", gsub(".*_", "", variable))] %>%
  .[, .(value = sum(value)), by = .(ID, yr)] %>%
  dcast(., ID ~ yr, value.vars = "value")

Answer 3

我们可以试试data.table 和split.default

> dt[, lapply(split.default(.SD, paste0("TotalMoney_", gsub(".*_", "", names(.SD)))), sum), ID]
   ID TotalMoney_1213 TotalMoney_1314
1:  1              36              35
2:  2             246              87
3:  3              33              14

Answer 4

在开发版本 1.14.3 中，data.table 获得了一个 measure() 函数，该函数对于融合具有在每个列名称中编码的多个不同信息片段的数据很有用（应OP）。

此外，聚合是在对 dcast() 的调用中完成的，这节省了额外的聚合步骤。

library(data.table) # development version 1.14.3 used here
melt(money_table, measure.vars = measure(money, year, sep = "_"))[
    , dcast(.SD, ID ~ paste0("TotalMoney_", year), sum)]

   ID  TotalMoney_1213  TotalMoney_1314
1:  1               36               35
2:  2              246               87
3:  3               33               14

对measure() 的调用告诉melt() 将列名分成两部分，名称部分（称为money）和year 部分：

melt(money_table, measure.vars = measure(money, year, sep = "_"))

    ID       money year value
 1:  1  LunchMoney 1213    12
 2:  2  LunchMoney 1213   234
 3:  3  LunchMoney 1213    14
 4:  1 DinnerMoney 1213    24
 5:  2 DinnerMoney 1213    12
 6:  3 DinnerMoney 1213    19
 7:  1  LunchMoney 1314    17
 8:  2  LunchMoney 1314    43
 9:  3  LunchMoney 1314     2
10:  1 DinnerMoney 1314    18
11:  2 DinnerMoney 1314    44
12:  3 DinnerMoney 1314    12

数据

library(data.table)
money_table <- fread("
ID    LunchMoney_1213    DinnerMoney_1213    LunchMoney_1314    DinnerMoney_1314
01                 12                  24                 17                  18
02                234                  12                 43                  44
03                 14                  19                  2                  12")