在数据框中分别计算多个变量，其中变量名包含一个序列答案

【问题标题】：Counting multiple variables separately in data frame which variable name contains a sequence在数据框中分别计算多个变量，其中变量名包含一个序列
【发布时间】：2020-04-07 20:25:17
【问题描述】：

我有一个巨大的数据框，其中包含多个变量名称，并遵循一个序列。为简化起见，我创建了一个包含 8 个变量的示例，最后 5 个变量遵循列名中的序列： I5min_thresh.118、I5min_thresh.118.5、I5min_thresh.119、I5min_thresh.119.5、I5min_thresh.120)。

变量名中的序列只是一个例子，可以发散，例如变量序列名可以从 60 到 180 步长为 0.1（在本例中为 118 到 120 步长为 0.5 步）。

可重现的数据框：

df<-data.frame(Event=c("yes","yes","yes","no","no","no","no","no","no"),
           mois=c(0.3,0.2,0.2,0.3,0.3,0.3,0.3,0.3,0.2),
           I_float=c(96.0,100.8,96.0,21.6,10.8,10.8,16.8,8.4,16.8),
           Imax.118=c(95.0,105.0,77.0,15.0,5.0,49.7,53.8,51.2,57.8),
           Imax.118.5=c(97.0,90.0,100.0,16.0,15.0,50.2,54.3,51.7,58.3),
           Imax.119=c(98.0,110.0,78.0,51.4,8.0,50.7,54.8,52.2,58.8),
           Imax.119.5=c(99.8,71.0,80.0,51.9,51.2,51.2,55.3,52.7,59.3),
           Imax.120=c(54.6,71.5,79.0,52.4,51.7,51.7,55.8,53.2,59.8))

这是数据框的外观：

我想为每个 Imax 计算以下变量，并将其存储在一个新的数据框中：

如果 Event=yes，I_float >= Imax 的次数，作为变量 TP。
次数 I_float
如果 Event=no，I_float >= Imax 的次数，作为变量 FP。
如果 Event=no，I_float

生成的数据帧应如下所示，其中 Yintercept 等于包含在 Imax 变量中的序列号：

目前我只计算了 1 个变量的 TP、FN、TN 和 FP，假设变量 Imax.118 通过在 r 代码 (Imax.118) 中准确指示变量名称（上一个示例的第一行）。我不能使用手动方法，因为我在真实数据框中有数百个变量，遵循名称序列。

我们将不胜感激。

【问题讨论】：

标签： r dplyr count

【解决方案1】：

使用gather，我们可以使我们的数据变长，只保留原始Imax列的数字和点，然后对我们的Yintercept列进行分组，并对返回TRUE的行数求和为TP、FN、TN 和FP 列指定的条件。

library(tidyverse)
df %>% 
  gather(Yintercept, val, -Event, -mois, -I_float) %>% 
  mutate(Yintercept = as.numeric(gsub("Imax\\.", "", Yintercept))) %>% 
  group_by(Yintercept) %>% 
  summarise(TP = sum(I_float > val & Event == "yes"),
            FN = sum(I_float < val & Event == "yes"),
            TN = sum(I_float < val & Event == "no"),
            FP = sum(I_float > val & Event == "no"))

  Yintercept    TP    FN    TN    FP
       <dbl> <int> <int> <int> <int>
1       118      2     1     4     2
2       118.     1     2     5     1
3       119      1     2     5     1
4       120.     2     1     6     0
5       120      3     0     6     0

【讨论】：

非常感谢您的快速响应，我正在为此苦苦挣扎..
欢迎您。顺便说一句，您可以考虑将一个答案标记为已接受。那么所有其他 SO 用户都知道这个问题已经得到充分回答。另见：stackoverflow.com/help/someone-answers
嗨@Lennyy，现在我正在尝试从更复杂的变量名中提取字符串。在我使用 Imax.n 之前（其中 n 是我们在结果数据框中称为 Yintercept 的数字）。现在我正在使用变量模式 I5min_thresh_m_n，例如 I5min_thresh_-140_80)。如果我创建一个字符变量 string
我不明白我在语法上做错了什么。此外，是否可以提取 m 和 n 值并将其作为 2 个变量 m 和 n 存储在结果数据框中？对于 Imax_thresh_-140_80，期望结果将是 m=-140 和 n=80，然后是汇总值 TP、FN、TN、FP)？)。谢谢@Lennyy
我尝试将gsub函数写成gsub("^(?:[^_]+_){2}(.+?)","",string)的形式，结果是“140_80”（没有-140_80）。无论如何，当我将 gsub("Imax\\.", "", Yintercept) 替换为 gsub("^(?:[^_]+_){2}(.+?)","",Yintercept) 时，结果是一样的（只有 1 个 Yintercept 值为 NA 的观察值，以及强制警告引入的 NAs）

【解决方案2】：

一种方法是使用最新版本的tidyr 提供的pivot_longer 来输入长格式。

然后，使用case_when 进行比较并确定每行的真/假阳性/阴性。

通过Yintercept和outcome汇总后，可以使用pivot_wider创建最终结果。

df %>%
  pivot_longer(cols = starts_with("Imax"), names_to = "Yintercept", names_pattern = "^Imax.(\\d.+)",
               names_ptypes = list(Yintercept = double())) %>%
  mutate(outcome = case_when((I_float >= value) & (Event == "yes") ~ "TP",
                             (I_float < value) & (Event == "yes") ~ "FN",
                             (I_float >= value) & (Event == "no") ~ "FP",
                             (I_float < value) & (Event == "no") ~ "TN")) %>%
  group_by(Yintercept, outcome) %>%
  summarise(count = n()) %>%
  pivot_wider(id_cols = Yintercept, names_from = "outcome", values_from = "count", values_fill = list(count = 0))

输出

# A tibble: 5 x 5
# Groups:   Yintercept [5]
  Yintercept    FN    FP    TN    TP
       <dbl> <int> <int> <int> <int>
1      118       1     2     4     2
2      118.5     2     1     5     1
3      119       2     1     5     1
4      119.5     1     0     6     2
5      120       0     0     6     3

【讨论】：

谢谢！是否可以在 Yintercept 的输出中替换 Imax？
@RaülOo 是的，已更改为 Yintercept - 请参阅编辑后的答案。
感谢您的代码，我将保存这两个答案以备将来使用。