使用 rowSums 和 tidyverse 添加值

Question

我在尝试对 R 中的一堆列求和时遇到了一些问题。我正在分析一个巨大的数据集，因此我正在复制一个样本。假数据。

这是数据的样子（我有 800 列）。

library(data.table)
dataset <- data.table(name = c("A", "B", "C", "D"), a1 = 1:4, a2 = c(1,2,NaN,5), a3 = 1:4, a4 = 1:4, a5 = c(1,2,NA,5), a6 = 1:4, a8 = 1:4)
dataset

我想要做的是将 100 列的存储桶中的列相加，例如，第一列和第 100 列之间的第一行中的所有值，第一列和第 1 列之间的第一行中的所有值第 200 列，第 1 列和第 100 列之间的第二行中的所有值，等等。

使用我在此解决方案中使用rowSums 提供的示例数据。

dataset %>%
  mutate_if(~!is.numeric(.x), as.numeric) %>%
  mutate_all(funs(replace_na(., 0)))  %>%
  mutate(sum = rowSums(.[,paste("a", 1:3, sep="")])) %>%
  mutate(sum1 = rowSums(.[,paste("a", 4:5, sep="")])) %>%
  mutate(sum2 = rowSums(.[,paste("a", 6:8, sep="")]))

但我收到以下错误：

Error in `[.data.frame`(., , paste("a", 6:8, sep = "")) : undefined columns selected

因为数据不包括 a7 列。

原始数据在 a1 和 a800 之间缺少一堆列，因此解决此问题将是使其正常工作的关键。

处理和解决此错误的最佳方法是什么？

另外，关于我编写的代码，我还有几个问题：

• 有没有更聪明的方法来选择列 a1 和 a100 而不是使用这种方法 .[,paste("a", 1:3, sep="")]？我有兴趣按名称选择列。我不想通过列的位置来选择它，因为有时 a100 并不意味着那是第 100 列。

• 另外，我将 NA 和 NaN 转换为 0，以便能够对行求和。我正在这样做mutate_all(funs(replace_na(., 0)))，丢失了我的第一行而不是包含值的名称。在不将第一行的字符串值更改为 0 的情况下替换 NA 和 NaN 的最佳方法是什么？

• 我添加的列的类型是整数，因为我事先转换了它们 mutate_if(~!is.numeric(.x), as.numeric) 。如果我有 dbl，我应该采用相同的方法吗？

谢谢！

Answer 1

这是将数据转换为更长格式后执行此操作的一种方法，对于每个name，我们创建一组n 行并采用sum。

library(dplyr)
library(tidyr)

n <- 2 #No of columns to bucket. Change this to 100 for your case.

dataset %>%
  pivot_longer(cols = -name, names_to = 'col') %>%
  group_by(name) %>%
  group_by(grp = rep(seq_len(n()), each = n, length.out = n()), add = TRUE) %>%
  summarise(value = sum(value, na.rm = TRUE)) %>%
  #If needed in wider format again
  pivot_wider(names_from = grp, values_from = value, names_prefix = 'col')

#  name   col1  col2  col3  col4
#  <chr> <dbl> <dbl> <dbl> <dbl>
#1 A         2     2     2     1
#2 B         4     4     4     2
#3 C         3     6     3     3
#4 D         9     8     9     4