如何对每第 n 行的列数据求和，包括 Rstudio 中的非数字数据答案

【问题标题】：How to sum column data every nth row, including non numerical data in Rstudio如何对每第 n 行的列数据求和，包括 Rstudio 中的非数字数据
【发布时间】：2019-05-08 00:05:08
【问题描述】：

我有一个由昆虫现场采样数据的 420 行和 37 列组成的数据框。我试图对每 5 行的列值求和，以便每 5 行变为 1。此外，我试图使我的数据框（$site，$date，$plot）中的非数值“折叠”，以便它们适合由我提到的总和组成的一个新行。

我已尝试使用此线程的建议：

Summing columns on every nth row of a data frame in R

包括使用包 dplyr 的 summarize_each 函数以及作为 data.table 一部分的 gl 和 colSums。

我已经在我的整个数据框上尝试过这些

库（data.table） setDT(FinalData)[, as.list(colSums(.SD)), by = gl(ceiling(420/5), 5, 420)]

这给了我：

colSums(.SD) 中的错误：“x”必须是数字

and 

library(dplyr)
 FinalData %>%
   group_by(indx = gl(ceiling(420/5), 5, 420)) %>%
   summarise_each(funs(sum))

which gives me error: 
Error in Summary.factor(c(4L, 4L, 4L, 4L, 4L), na.rm = FALSE) : 
  ‘sum’ not meaningful for factors

  Site.Date.Plot  CarA  CarB    CarC...
1.SL.VI.1          0     0        1
2.SL.VI.1          0     0        0
3.SL.VI.1          0     6        0
4.SL.VI.1          0     0        3
5.SL.VI.1          1     0        0
...
every 5 rows has a different $Site.Date.Plot. I expect this:

  Site.Date.Plot  CarA  CarB    CarC...
1. SL.VI.1          1     6       4
2. SL.VI.2         ...   ...      ...

But I get the above error messages from above.

【问题讨论】：

嗨，欢迎来到 SO！您能否提供一个数据样本，以便我们了解情况？看看how to make a reproducible example
嗨，Calum，我在帖子中提供了一小部分数据，我应该发布更多吗？你需要我的整个数据表吗？
最好使用dput，以便人们可以复制和粘贴。此外，包括 20 行可能会更好，以验证每 5 行有一个不同的 Site.Date.Plot。所以，dput(FinalData[1:20, 1:4]) 会很棒。

标签： r data-manipulation

【解决方案1】：

这行得通吗？

FinalData %>%
   group_by(Site.Date.Plot) %>% 
   summarise_all(list(sum))

这将保留第一列并对其余列求和。

【讨论】：

【解决方案2】：

如果您想保留第一列Site.Date.Plot，可以尝试使用mutate_at

library(dplyr)

FinalData %>%
  group_by(indx = gl(ceiling(420/5), 5, 420)) %>%
  mutate_at(2:37, sum, na.rm = TRUE) %>%
  slice(1)

或者它也适用于summarise_at，但在这种情况下你会丢失第一列

FinalData %>%
  group_by(indx = gl(ceiling(420/5), 5, 420)) %>%
  summarise_at(-1, sum, na.rm = TRUE)

【讨论】：

mutate_at 绝对有效。有没有办法可以将输出作为新的数据帧而不只是在控制台中？非常感谢。
只需将其分配给一个对象。 new_data <- FinalData %>% group_by(indx = gl(ceiling(420/5), 5, 420)) %>% mutate_at(2:37, sum, na.rm = TRUE) %>% slice(1)

【解决方案3】：

第一个问题是在您的data.table 和dplyr 解决方案中，sum 函数在Site.Date.Plot 的因子上运行。这就是您收到错误的原因。

第二个改进是您的因子Site.Date.Plot 每 5 行更改一次。换句话说，我们可以简单地按它进行分组，而不是创建不同的索引。

这些解决方案未经测试，因为没有足够的样本数据。

library(tidyverse)

 FinalData %>%
   group_by(Site.Date.Plot) %>%
   summarise_all(sum)

library(data.table)

setDT(FinalData)
FinalData[, lapply(.SD, sum), by = 'Site.Date.Plot']

#base R
aggregate(x = FinalData[, -1], by = list(FinalData$Site.Date.Plot), FUN = sum)

【讨论】：