如何根据每列的总和值选择前 3 列/变量？答案

【问题标题】：How to select top 3 columns/variables according to the sum values of each column?如何根据每列的总和值选择前 3 列/变量？
【发布时间】：2019-07-27 06:10:21
【问题描述】：

我有一个这样的数据集

>head(grocery)

milk bread juice honey eggs beef ... (140 more variables)
  1    4     3     1    4     2
  2    5     4     2    4     3
  1    2     6     0    7     0
  0    1     5     3    3     1
  4    10    2     1    5     8

我想选择总和值最大的 3 列，显示顺序、列名和总和值，并将它们按降序排列。像这样：

1 eggs  23
2 bread 22
3 juice 20

我该怎么做？

非常感谢您的帮助！

【问题讨论】：

我建议使用gather-grouby-summarise-top_n 方法。

标签： r select

【解决方案1】：

使用dplyr 和tidyr：

library(dplyr)
library(tidyr)
df %>% 
  gather(key,value) %>% 
   group_by(key) %>% 
   summarise(Sum=sum(value)) %>% 
   arrange(desc(Sum)) %>% 
   top_n(3,Sum)

# A tibble: 3 x 2
  key     Sum
  <chr> <int>
1 eggs     23
2 bread    22
3 juice    20

数据：

df <- structure(list(milk = c(1L, 2L, 1L, 0L, 4L), bread = c(4L, 5L, 
2L, 1L, 10L), juice = c(3L, 4L, 6L, 5L, 2L), honey = c(1L, 2L, 
0L, 3L, 1L), eggs = c(4L, 4L, 7L, 3L, 5L), beef = c(2L, 3L, 0L, 
1L, 8L)), class = "data.frame", row.names = c(NA, -5L))

【讨论】：

【解决方案2】：

原答案

在base R中，您可以找到每一列的值的总和，排序结果值在递减顺序，子集 前3个值和cbind它们以获得所需的输出：

cbind(sort(colSums(dat), T)[1:3])

#      [,1]
#eggs    23
#bread   22
#juice   20

更新答案

...我怎样才能从这个解决方案返回到原始数据集？...

这里我子集由names设置的原始数据集对应于具有三个最大列总和的列。可能有更好的解决方案，这是我现在能找到的。

dat[, names(sort(colSums(dat), T)[1:3])]

#  eggs bread juice
#1    4     4     3
#2    4     5     4
#3    7     2     6
#4    3     1     5
#5    5    10     2

数据：

dat <- read.table(
  text = "milk bread juice honey eggs beef
             1    4     3     1    4     2
             2    5     4     2    4     3
             1    2     6     0    7     0
             0    1     5     3    3     1
             4    10    2     1    5     8",
  stringsAsFactors = F,
  header           = T
)

【讨论】：

又好又简单！您知道如何从该解决方案返回原始数据集吗？例如撤消colSums?

【解决方案3】：

看看这个小例子：

data <- NULL
data$c <- c(1,2,3,4)
data$b <- c(4,5,6,7)
data$a <- c(1,1,1,1)


apply(data, 2, sum)

arraysum <- NULL
for(i in names(data)){
  arraysum$name <- append(arraysum$name,i)
  arraysum$sum <- append(arraysum$sum, sum(data[[i]]))
}
arraysum$sum

arraysum$name[order(arraysum$sum, decreasing = T)]

【讨论】：