【问题标题】：Aggregating column according to their names根据名称聚合列
【发布时间】：2020-11-24 15:24:07
【问题描述】：

这里是法国学生，所以我的英语不太好，抱歉。

我们将包含物种及其位置的数据集转换为这些物种的相应起源及其位置。

数据集有 600~ 列，命名为 U、A、W、L 或 E（物种起源），其中一个 0 或 1（该位置是否存在物种）

和2列带坐标（对应数据采集站）。

超过 8000 条线路，用于找到数据的每个站点。

数据集的简化是这样的：

     [Longitude] [Latitude] [A][U][U][L][E][A][U] ... [+600]
[1,]    -5.89      35.71     0  0  1  0  0  1  1
[2,]    -5.89      35.81     0  1  0  0  0  0  1
[3,]    -5.89      36.01     1  0  0  1  1  1  0
[4,]    -5.89      36.1      0  0  0  1  0  1  0
[1,]    -5.89      36.21     1  1  1  0  0  1  1
[2,]    -5.79      35.81     1  1  0  1  0  1  0
[3,]    -5.79      35.91     0  1  0  0  0  0  1
[4,]    -5.79      36.01     1  1  0  1  0  1  0
[+8000]

我们想要做的是某种条件总和，其中所有来源都重新组合到一列中，并将它们的内容相加，如下所示：

`
   [Longitude] [Latitude]  [A][U][L][W][E]
[1,]    -5.89     35.71    12 6  5  0  13
[2,]    -5.89     35.81    5  1  8  10 20
[3,]    -5.89     36.01    1 28  3  6  2
[4,]    -5.89     36.1     4  25 0  1  11
[1,]    -5.89     36.21    9  1  9  3  5 
[2,]    -5.79     35.81    6  5  12 1  8 
[3,]    -5.79     35.91    5  2  7  15 10
[4,]    -5.79     36.01    10 3  5  12 4 
[+8000]

只有 A,U,L,E,W 必须相加。经度、纬度和行数必须保持不变。

我们尝试过聚合或tapply，但没有成功，但可能需要循环......

有什么想法吗？

a capture of the data set

MacOs answer

MacOS answer 2

谢谢

MacOS 函数：espOri => df espagg => df.agg

espagg <- aggregate(. ~ Longitude + Latitude,
                    especeOri,
                    FUN = sum)


aggregate.columns <- function(especeOri, column.names)
{
  for (column.name in column.names) {
    especeOri[[column.name]] <- rowSums(subset(espagg, select = grep(paste(column.name, ".*", sep = ""), colnames(especeOri))))
  }
  
  return(especeOri)
}

aggregate.column.names <- c("A", "U", "L", "E", "W")

espagg <- aggregate.columns(espagg, aggregate.column.names)

espagg <- subset(especeOri, select = c("Longitude", "Latitude", aggregate.column.names))

View(espagg)

数据集的输入

 dput(especeOri[1:10,1:20])
structure(list(Longitude = c(-5.89, -5.89, -5.89, -5.89, -5.89, 
-5.79, -5.79, -5.79, -5.79, -5.69), Latitude = c(35.71, 35.81, 
36.01, 36.11, 36.21, 35.81, 35.91, 36.01, 36.11, 35.81), L = c(0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), U = c(0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L), U.1 = c(0L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
0L, 1L), A = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), U.2 = c(0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), E = c(0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L), U.3 = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L), E.1 = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), U.4 = c(0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), U.5 = c(0L, 0L, 0L, 0L, 
1L, 0L, 0L, 0L, 0L, 0L), U.6 = c(1L, 0L, 0L, 0L, 0L, 1L, 0L, 
0L, 0L, 1L), L.1 = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), 
    U.7 = c(0L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L), U.8 = c(0L, 
    0L, 0L, 1L, 1L, 0L, 0L, 0L, 1L, 0L), U.9 = c(1L, 1L, 1L, 
    1L, 1L, 1L, 1L, 1L, 1L, 1L), U.10 = c(1L, 1L, 1L, 1L, 1L, 
    1L, 1L, 1L, 1L, 1L), A.1 = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 
    0L, 0L, 0L), U.11 = c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
    1L)), row.names = c(NA, 10L), class = "data.frame")

带有所有数据集、一些解释和我们的脚本的谷歌驱动器。 https://drive.google.com/drive/folders/1fnWnZZDC3gyWTtSoqi_l7Wuhje5qpJmL?usp=sharing

编辑：添加了一些经度和纬度值来说明和截图

【问题讨论】：

如果您使用t(data) 转置矩阵，那么您的变量名称将是行。然后你可以dplyrgroup_by，然后summarize。请注意，预转置数据框中的所有变量都必须是数字才能执行此操作。您可以使用dput(data) 粘贴一个小数据示例吗？

标签： r statistics sum aggregate

【解决方案1】：

这是使用您提供的数据的tidyverse 解决方案。

library(dplyr)
library(tidyr)

fish <- read.table("Data_fish.txt", header = T)
traits <- read.table("Data_traits.txt", header = T)

fish %>% 
  pivot_longer(-c(ID_cellule, Longitude, Latitude), names_to = "Species", values_to = "Occur") %>% 
  mutate(ID_cellule = factor(ID_cellule, levels = unique(ID_cellule))) %>% # use factor to fix the display order as-is
  left_join(traits %>% select(Species, Origin), by = "Species") %>% 
  group_by(ID_cellule, Longitude, Latitude, Origin) %>% 
  summarise(Occur = sum(Occur)) %>% 
  pivot_wider(names_from = "Origin", values_from = "Occur")

输出

# A tibble: 8,154 x 8
# Groups:   ID_cellule, Longitude, Latitude [8,154]
   ID_cellule Longitude Latitude     A     E     L     U     W
   <fct>          <dbl>    <dbl> <int> <int> <int> <int> <int>
 1 ID1            -5.89     35.7     8    10     0   178     0
 2 ID2            -5.89     35.8    11    10     0   234     0
 3 ID3            -5.89     36.0     9    11     0   195     0
 4 ID4            -5.89     36.1    12    10     0   227     0
 5 ID5            -5.89     36.2    13    17     0   268     0
 6 ID6            -5.79     35.8     9     8     0   205     0
 7 ID7            -5.79     35.9     8     9     0   168     0
 8 ID8            -5.79     36.0    11    14     0   262     0
 9 ID9            -5.79     36.1    10    10     0   193     0
10 ID10           -5.69     35.8     9    10     0   230     0

【讨论】：

你的也成功了，非常感谢！我不能接受这两个答案作为解决方案，但我赞成！
我也赞成这个答案。 @user14700052 您可以交叉检查我们的答案，看看两者是否产生相同的输出。
我对你们俩都投了赞成票，但由于我是新用户，显然不算数...

【解决方案2】：

以下应该可以完成这项工作。

df <- data.frame(Longitude  = c(-5.89, -5.89, -5.89, -5.89, -5.89, -5.79, -5.79, -5.79, -5.89, -5.89),
                 Latitude   = c(35.71, 35.81, 36.01, 36.1, 36.21, 35.81, 35.91, 36.01, 35.71, 35.81),
                 A          = c(0, 0, 1, 0, 1, 1, 0, 1, 1, 1),
                 U          = c(0, 1, 0, 0, 1, 1, 1, 1, 1, 1),
                 U          = c(1, 0, 0, 0, 1, 0, 0, 0, 1, 1),
                 L          = c(0, 0, 1, 1, 0, 1, 0, 1, 1, 1),
                 E          = c(0, 0, 1, 0, 0, 0, 0, 0, 1, 1),
                 A          = c(1, 0, 1, 1, 1, 1, 0, 1, 1, 1),
                 U          = c(1, 1, 0, 0, 1, 0, 1, 0, 1, 1))


df.agg <- aggregate(. ~ Longitude + Latitude,
                    df,
                    FUN = sum)

df.agg$A <- rowSums(subset(df.agg, select = grep("A.*", colnames(df.agg))))
df.agg$U <- rowSums(subset(df.agg, select = grep("U.*", colnames(df.agg))))
df.agg$L <- rowSums(subset(df.agg, select = grep("L.*", colnames(df.agg))))
df.agg$E <- rowSums(subset(df.agg, select = grep("E.*", colnames(df.agg))))

df.agg <- subset(df.agg, select = c(Longitude, Latitude, A, U, L, E))

更新

OP 用户要求一种解决方案，他/她不必明确地为rowSums 编写代码，因为他/她必须有很多列才能实际写出来，即不方便。以下应该可以完成这项工作。

df <- structure(list(Longitude = c(-5.89, -5.89, -5.89, -5.89, -5.89, 
                             -5.79, -5.79, -5.79, -5.79, -5.69), Latitude = c(35.71, 35.81, 
                                                                              36.01, 36.11, 36.21, 35.81, 35.91, 36.01, 36.11, 35.81), L = c(0L, 
                                                                                                                                             0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), U = c(0L, 0L, 0L, 0L, 0L, 
                                                                                                                                                                                        0L, 0L, 0L, 0L, 0L), U.1 = c(0L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
                                                                                                                                                                                                                     0L, 1L), A = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), U.2 = c(0L, 
                                                                                                                                                                                                                                                                                     0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), E = c(0L, 0L, 0L, 0L, 0L, 
                                                                                                                                                                                                                                                                                                                                0L, 0L, 0L, 0L, 0L), U.3 = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
                                                                                                                                                                                                                                                                                                                                                             0L, 0L), E.1 = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), U.4 = c(0L, 
                                                                                                                                                                                                                                                                                                                                                                                                                               0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), U.5 = c(0L, 0L, 0L, 0L, 
                                                                                                                                                                                                                                                                                                                                                                                                                                                                            1L, 0L, 0L, 0L, 0L, 0L), U.6 = c(1L, 0L, 0L, 0L, 0L, 1L, 0L, 
                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                             0L, 0L, 1L), L.1 = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), 
               U.7 = c(0L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L), U.8 = c(0L, 
                                                                        0L, 0L, 1L, 1L, 0L, 0L, 0L, 1L, 0L), U.9 = c(1L, 1L, 1L, 
                                                                                                                     1L, 1L, 1L, 1L, 1L, 1L, 1L), U.10 = c(1L, 1L, 1L, 1L, 1L, 
                                                                                                                                                           1L, 1L, 1L, 1L, 1L), A.1 = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 
                                                                                                                                                                                        0L, 0L, 0L), U.11 = c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
                                                                                                                                                                                                              1L)), row.names = c(NA, 10L), class = "data.frame")

df.agg <- aggregate(. ~ Longitude + Latitude,
                    df,
                    FUN = sum)

# This function aggregates rows if their column names have the same start.
# Suppose we have a data frame with column names A, A.1, and A.2. Then,
# the rows of these columns are aggregated using sum. So,
# A     1 1 0
# A.1   2 1 0
# A.2   0 0 1
# becomes
# A     3 2 1
aggregate.columns <- function(df.my, column.names)
{
  for (column.name in column.names) {
    df.my[[column.name]] <- df.my[[column.name]] + 
                              rowSums(subset(df.my,
                                             select = grep(paste(column.name, ".[1-9]+", sep = ""), 
                                                           colnames(df.my))))
  }
  
  return(df.my)
}

aggregate.column.names <- c("A", "U", "L", "E")

df.agg <- aggregate.columns(df.agg, aggregate.column.names)

df.agg <- subset(df.agg, select = c("Longitude", "Latitude", aggregate.column.names))

df.agg

完成这项工作的关键是这一行。

grep(paste(column.name, ".[1-9]+", sep = ""), colnames(df.my))

它返回以变量column.name 的当前值开头的所有列名，后跟一个点和任何数字序列，例如当column.name 的值为A 时，A.1、A.345、A.67、A.9798、A.111111 都应该返回。请检查！

更新 3

在 OP 的用户提供数据后，我确实想出了以下内容。这包括重命名功能。这是必要的，因为数据框具有相同名称的列。例如，此函数将列名序列A, A, A, A 转换为A, A.1, A.2, A.3。

climate  <- read.table("Data_climate.txt", header = T)
poissons <- read.table("Data_fish.txt", header = T)
traitsNA <- read.table("Data_traits.txt", header = T)

especes <- poissons [,-2]
especes2 <- especes [,-2]
especes3 <- especes2 [,-1]

colnames(especes3) <- traitsNA$Origin
especes44<-cbind(climate$Latitude,especes3)
especeOri <- cbind(climate$Longitude,especes44)
origine <- cbind(climate$ID_cellule,especeOri)

colnames(origine)[1] <- "ID_cellule"
colnames(origine)[2] <- "Longitude"
colnames(origine)[3] <- "Latitude"


colnames(especeOri)[1] <- "Longitude"
colnames(especeOri)[2] <- "Latitude"



rename.columns <- function(df)
{
  unique.column.names <- unique(colnames(df))
  
  for (unique.column.name in unique.column.names)
  {
    idxs.columns <- which(colnames(df) == unique.column.name)
    
    df.tmp.with.new.col.names <- subset(df, select = idxs.columns)
    
    colnames(df)[idxs.columns] <- colnames(df.tmp.with.new.col.names)
  }
  
  return(df)
}

especeOri <- rename.columns(especeOri)

espagg <- aggregate(. ~ Longitude + Latitude,
                    especeOri,
                    FUN = sum)


# This function aggregates rows if their column names have the same start.
# Suppose we have a data frame with column names A, A.1, and A.2. Then,
# the rows of these columns are aggregated using sum. So,
# A     1 1 0
# A.1   2 1 0
# A.2   0 0 1
# becomes
# A     3 2 1
aggregate.columns <- function(df.my, column.names)
{
  for (column.name in column.names) {
    df.my[[column.name]] <- df.my[[column.name]] + 
                              rowSums(subset(df.my,
                                             select = grep(paste(column.name, ".[1-9]+",
                                                                 sep = ""), 
                                                           colnames(df.my))))
  }
  
  return(df.my)
}


aggregate.column.names <- c("A", "U", "L", "E", "W")

espagg <- aggregate.columns(espagg, aggregate.column.names)

espagg <- subset(especeOri, select = c("Longitude", "Latitude", aggregate.column.names))

HTH！

【讨论】：

没用，我们只想重新组合 A、U、L、W、E 列，保持经度和纬度相同，行数相同。
i.stack.imgur.com/UHemN.png 它给了我这个
对不起，有 8000+ 行 600+ 列，我不能这样一一做...
嗯，它看起来像我们正在寻找的东西，但不幸的是 cols 中只有 0。看来总和没有用，我试图寻找原因，但找不到。结果 => i.stack.imgur.com/y1DKv.png 我用你的函数编辑了我的帖子。
我的错，我纠正了。