dplyr:group_by,对各个列求和,并应用基于分组行总和的函数?
dplyr: group_by, sum various columns, and apply a function based on grouped row sums?
我正在尝试使用 dplyr 来总结一个在某种程度上支离破碎的森林中鸟类物种丰度的数据框。
第一列 percent_cover 有 4 个可能的值:10、25、50、75。然后有十列鸟类数量:'species1' 到 'species10'。
我想按 percent_cover 分组,然后对其他列求和并计算这些总和占 4 行总和的百分比。
获得列总和很容易:
%>% group_by(Percent_cover) %>% summarise_at(vars(contains("species")), sum)
...但我需要的是 sum/rowSum*100。似乎需要某种'rowwise'操作。
此外,出于兴趣,为什么以下不起作用?
%>% group_by(Percent_cover) %>% summarise_at(vars(contains("species")), sum*100)
在这一点上,很想回到 'for' 循环....或 Excel 数据透视表。
要使用 dplyr
,请尝试以下操作:
library(dplyr)
df %>%
group_by(Percent_cover) %>%
summarise(across(contains("species"), sum)) %>%
mutate(rs = rowSums(select(., contains("species")))) %>%
mutate(across(contains('species'), ~./rs * 100)) -> result
result
例如,使用mtcars
:
mtcars %>%
group_by(cyl) %>%
summarise(across(disp:wt, sum)) %>%
mutate(rs = rowSums(select(., disp:wt))) %>%
mutate(across(disp:wt, ~./rs * 100))
# cyl disp hp drat wt rs
# <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#1 4 54.2 42.6 2.10 1.18 2135.
#2 6 58.7 39.2 1.15 0.998 2186.
#3 8 62.0 36.7 0.567 0.702 7974.
我正在尝试使用 dplyr 来总结一个在某种程度上支离破碎的森林中鸟类物种丰度的数据框。
第一列 percent_cover 有 4 个可能的值:10、25、50、75。然后有十列鸟类数量:'species1' 到 'species10'。
我想按 percent_cover 分组,然后对其他列求和并计算这些总和占 4 行总和的百分比。
获得列总和很容易:
%>% group_by(Percent_cover) %>% summarise_at(vars(contains("species")), sum)
...但我需要的是 sum/rowSum*100。似乎需要某种'rowwise'操作。
此外,出于兴趣,为什么以下不起作用?
%>% group_by(Percent_cover) %>% summarise_at(vars(contains("species")), sum*100)
在这一点上,很想回到 'for' 循环....或 Excel 数据透视表。
要使用 dplyr
,请尝试以下操作:
library(dplyr)
df %>%
group_by(Percent_cover) %>%
summarise(across(contains("species"), sum)) %>%
mutate(rs = rowSums(select(., contains("species")))) %>%
mutate(across(contains('species'), ~./rs * 100)) -> result
result
例如,使用mtcars
:
mtcars %>%
group_by(cyl) %>%
summarise(across(disp:wt, sum)) %>%
mutate(rs = rowSums(select(., disp:wt))) %>%
mutate(across(disp:wt, ~./rs * 100))
# cyl disp hp drat wt rs
# <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#1 4 54.2 42.6 2.10 1.18 2135.
#2 6 58.7 39.2 1.15 0.998 2186.
#3 8 62.0 36.7 0.567 0.702 7974.