使用 lapply 对数据帧的子集求和

Question

我对 R 和使用 lapply 还是很陌生。我有一个大数据框，我正在尝试使用 lapply 来输出此数据框的某些子集的总和。

group_a	group_b	n_variants_a	n_variants_b
1	NA	1	2
NA	2	5	4
1	2	2	0

我想查看基于多个不同组（group_a、group_b）的子集并对 n_variants 的每一列求和。

仅在一组和 n_variant 集上运行它：

sum(subset(df, (!is.na(group_a)))$n_variants_a 

但是，我想根据每个分组对每个 n_variant 列求和。我的 lapply 脚本为每个总和输出 0 值。

summed_variants <- lapply(list_of_groups, function(g) {
              lapply(list_of_variants, function(v) {
                sum(subset(df, !(is.na(g)))$v)

我想知道是否需要使用 paste0 来粘贴变体列表，但我无法让它工作。

感谢您的帮助！

Answer 1

我们可以为此使用Map/mapply - 循环组名及其对应的“n_variants”（假设它们按顺序排列），根据名称提取列，应用条件 (!is.na)，子集'n_variants' 并获得 sum

mapply(function(x, y) sum(df1[[y]][!is.na(df1[[x]])]), 
     names(df1)[1:2], names(df1)[3:4])
group_a group_b 
      3       4 

---

或者可以使用tidyverse 完成另一个选项。循环 across 'n_variants' 列，获取列名 (cur_column()) 将子字符串替换为 'group'，get 值，创建条件以子集列并获取 sum

library(stringr)
library(dplyr)
df1 %>% 
  summarise(across(contains('variants'),
    ~ sum(.x[!is.na(get(str_replace(cur_column(), 'n_variants', 'group')))])))

-输出

  n_variants_a n_variants_b
1            3            4

数据

df1 <- structure(list(group_a = c(1L, NA, 1L), group_b = c(NA, 2L, 2L
), n_variants_a = c(1L, 5L, 2L), n_variants_b = c(2L, 4L, 0L)), 
class = "data.frame", row.names = c(NA, 
-3L))