Question

我想构建一个特定的函数，它对整个数据框中不同列组合的行进行求和。

示例 - 我有一个带有第一个描述性列和20个列（v1，v2，v3，...）的数据框，从1到20，其中只有可能的值为1或0.我想要一个函数，我可以根据特定事件从列中求和值。如果每个示例函数都设置为3，那么我需要在第一个新创建的变量（v1s）中将前3列（v1，v2和v3）相加在一起，然后将下3个列相加在一起（v2，v3， v4）在下一个新创建的变量（v2s）等中

可重复的例子：

set.seed(300) 
db <- matrix(sample(0:1,5*20, replace=TRUE),5,20)
us <- c("A","B","C","D","E")
db <- as.data.frame(cbind(us,db))

所以我想控制定义我想要总结的列数（通过控制我的意思是每个例子将其更改为5列并不困难）。在3列的情况下，我想创建18个额外的变量（从1到最后的3个变量的所有连续组合），包含3列的行和。

我尝试了几个选项，但是我无法找到简单的方法。我正在考虑一个函数，它将列的输入数量作为输入，然后将rowums值作为值并迭代所有组合，但是我无法破解这个。请帮忙！

Answer 1

可能有一种更简单的方法。无论如何，这是我的方法：

<强>代码：

grp_colsum <- function(df, n) {
  # generate the set of indices 123, 234, 345, ...
  idx <- sapply(1:n, `+`, 0:(ncol(df)-n))
  # for each set of indices
  res <- apply(idx, 1, function(x) {
    rowSums(df[,x])
  })
  colnames(res) <- paste0("v", 1:ncol(res), "s")
  res
}
grp_colsum(db[,-1], 3)

<强>输出：

    v1s v2s v3s v4s v5s v6s v7s v8s v9s v10s v11s v12s v13s v14s v15s v16s v17s v18s
[1,]   2   2   3   2   2   1   1   1   1    2    1    2    2    2    2    1    2    1
[2,]   2   2   1   2   2   2   1   1   2    2    2    1    2    1    1    1    1    2
[3,]   2   2   2   2   2   3   3   2   2    2    3    3    2    2    1    2    2    2
[4,]   2   2   2   2   1   2   2   2   2    2    2    2    1    1    1    2    3    3
[5,]   3   3   2   1   0   1   1   2   2    2    1    1    2    3    2    1    1    1

Answer 2

如果我正确理解了这个问题，可以通过将数据从宽格式转换为长格式来获得结果，通过滚动窗口对每个组ID us进行求和，并重新调整为宽格式：

library(data.table)
# define number of columns to sum over
width <- 3L
# reshape from wide to long format
melt(setDT(db), id = "us")[
  # make sure that column values can be added
  , value := as.integer(value)][
    # sum across a rolling window for each group
    , Reduce("+", shift(value, n = 0:(width - 1L), type = "lead")), by = us][
      # remove rows from incomplete window sizes
      !is.na(V1)][
        # reshape to wide format again
        , dcast(.SD, us ~ sprintf("S%02i", rowid(us)))]

返回

   us S01 S02 S03 S04 S05 S06 S07 S08 S09 S10 S11 S12 S13 S14 S15 S16 S17 S18
1:  A   2   2   3   2   2   1   1   1   1   2   1   2   2   2   2   1   2   1
2:  B   2   2   1   2   2   2   1   1   2   2   2   1   2   1   1   1   1   2
3:  C   2   2   2   2   2   3   3   2   2   2   3   3   2   2   1   2   2   2
4:  D   2   2   2   2   1   2   2   2   2   2   2   2   1   1   1   2   3   3
5:  E   3   3   2   1   0   1   1   2   2   2   1   1   2   3   2   1   1   1

n <- 5L我们得到

   us S01 S02 S03 S04 S05 S06 S07 S08 S09 S10 S11 S12 S13 S14 S15 S16
1:  A   4   3   4   3   2   2   2   2   2   3   3   3   3   3   3   2
2:  B   3   3   3   3   2   3   3   2   3   3   3   2   2   2   2   2
3:  C   3   3   4   4   4   4   4   4   4   4   4   4   3   3   3   3
4:  D   3   3   3   3   3   3   3   4   3   3   3   2   2   3   3   4
5:  E   4   3   2   2   1   2   3   3   2   3   3   3   3   3   3   2

作为先决条件，db不得包含任何NA值。

在R

2 个答案: