R 中的条件和——多列

Question

我正在尝试弄清楚如何从非常大的表（例如 30,000 行和 50 列）中提取一些特定信息。

假设我有这个数据框：

S1 <- c(1,2,1,1,3,1)
S2 <- c(2,1,3,2,1,1)
S3 <- c(1,2,2,1,3,1)
S4 <- c(3,3,4,2,3,1)
S5 <- c(3,2,5,3,2,2)
count <- c(10,5,3,1,1,1)
df <- data.frame(count,S1,S2,S3,S4,S5)

我需要对 "count" 列求和，例如，当 S1 和 S3 共享相同的值（哪个值无关紧要），但没有其他列具有相同的值时。

在这个例子中，它应该 returns 值 11，因为我应该只考虑第 1 行和第 4 行中 "count" 列的值。

在第2、5、6行中，S1和S3的值相似，但我不想考虑它们，因为还有其他列具有相同的值。最后，不考虑第 3 行只是因为 S1 和 S3 具有不同的值。

我知道如何在 excel 中轻松地做到这一点，但我想知道如何在 R 中做到这一点。我已经尝试过 dplyr 的一些命令，但我失败了。

如果有人能提供帮助，我将不胜感激。

Answer 1

使用 dplyr 的解决方案。有两个步骤。第一个 filter 函数查找具有 S1 == S3 的行。第二个 filter_at 函数检查除 S1、S3 和 count 之外的列均不等于 S1，这应该与 [=17] 相同=] 在第一个 filter 函数之后。

library(dplyr)

df2 <- df %>%
  filter(S1 == S3) %>%
  filter_at(vars(-S1, -S3, -count), all_vars(. != S1))
df2
  count S1 S2 S3 S4 S5
1    10  1  2  1  3  3
2     1  1  2  1  2  3

那么总计数如下

sum(df2$count)
[1] 11

Answer 2

使用 dplyr、rowwise、filter :

library(dplyr)
df %>%
  rowwise() %>%
  filter(S1==S3 & !S1 %in% c(S2,S4,S5)) %>% 
  pull(count) %>% 
  sum() 
# [1] 11

Answer 3

有点复杂，但它有效。仅使用 R 基础。从 this question 采取以简单方式比较多列的形式。

sum(df[df$S1==df$S3 & rowSums(sapply(df[,c(3,5,6)],`==`,e2=df$S1)) == 0,1])

[1] 11

最复杂的部分是如何检查多个列。在这种情况下，我们使用 sapply 通过相等性 ('==') 将列 c(3,5,6) 与 S1 进行比较，（e2 是 == 函数的第二个参数） .

正如 ycw 提到的，用向量定义所有列可能有点复杂，因此这种形式允许您检查除我们不需要的列之外的所有列。

sum(df[df$S1==df$S3 & rowSums(sapply(df[,!(colnames(df) %in% c("count", "S1", "S3"))],`==`,e2=df$S1)) == 0,1])

对两次比较应用相同的程序并仅定义相同值的向量：

equals <- c("S1", "S3")
not_equals <- !(colnames(df) %in% c("count", equals))

sum(df[rowSums(sapply(df[,equals,drop=FALSE],`==`,e2=df[equals[1]])) == length(equals) &
           rowSums(sapply(df[,not_equals,drop=FALSE],`==`,e2=df[equals[1]])) == 0, 1])

注意：使用 drop=FALSE 只选择一列数据帧，避免 "promotion to vector" 问题或省略 , 这样：

sum(df[rowSums(sapply(df[equals],`==`,e2=df[equals[1]])) == length(equals) &
           rowSums(sapply(df[not_equals],`==`,e2=df[equals[1]])) == 0, 1])

R 中的条件和——多列

Conditional sum in R – multiple columns

conditional

r

sum

dataframe

dplyr