Question

我的情况是我的数据框包含图像分析的结果，其中列是图像中存在的特定类的比例，因此示例数据框class_df将如下所示：

id    A    B    C    D    E    F
 1 0.20 0.30 0.10 0.15 0.25 0.00 
 2 0.05 0.10 0.05 0.30 0.10 0.40
 3 0.10 0.10 0.10 0.20 0.20 0.30

这些类中的每一个都属于一个功能组，我想创建新的列，其中每个功能组的比例是从类中计算出来的。映射class_fg

的示例

class         fg
    A          Z
    B          Z
    C          Z
    D          Y
    E          Y
    F          X

并且所需的结果是（添加行以显示所需的新列）：

id    A    B    C    D    E    F |    X    Y    Z
 1 0.20 0.30 0.10 0.15 0.25 0.00 | 0.00 0.40 0.60
 2 0.05 0.10 0.05 0.30 0.10 0.40 | 0.40 0.40 0.20
 3 0.10 0.10 0.10 0.20 0.20 0.30 | 0.30 0.40 0.30

我可以使用

一次完成一个功能组

first_fg <- class_fg %>%
  filter(fg == "Z") %>%
  select(class) %>%
  unlist()

class_df <- class_df %>%
  mutate(Z = rowSums(select(., one_of(first_fg))))

当然有更好的方法可以计算每个功能组的行总和，而不必为每个组重复此代码？也许使用purrr？

Answer 1

我们可以split＆＃39; class_df＆＃39;通过＆＃39; class＆＃39;，使用list循环map元素，select＆＃39; class_df＆＃39;并获得rowSums

library(tidyverse)
class_fg %>%
    split(.$fg) %>% 
    map_df(~ class_df %>%
                select(one_of(.x$class)) %>% 
                rowSums) %>%
    bind_cols(class_df, .)
#  id    A   B    C    D    E   F   X   Y   Z
#1  1 0.20 0.3 0.10 0.15 0.25 0.0 0.0 0.4 0.6
#2  2 0.05 0.1 0.05 0.30 0.10 0.4 0.4 0.4 0.2
#3  3 0.10 0.1 0.10 0.20 0.20 0.3 0.3 0.4 0.3

或按nest进行分组，然后rowSums按map ping list元素

class_fg %>% 
   group_by(fg) %>%
   nest %>%
   mutate(out = map(data, ~  class_df %>%
                               select(one_of(.x$class)) %>% 
                               rowSums)) %>% 
   select(-data)  %>%
   unnest %>% 
   unstack(., out ~ fg) %>% 
   bind_cols(class_df, .)

Answer 2

始终以长格式处理数据更容易。因此，使用class_df将tidyr:gather更改为长格式，然后加入class_fg。以长格式对数据执行分析。最后，以宽格式传播以匹配预期结果。

library(tidyverse)

class_df %>% gather(key, value, -id) %>% 
  inner_join(class_fg, by=c("key" = "class")) %>%
  group_by(id, fg) %>%
  summarise(value = sum(value)) %>%
  spread(fg, value) %>%
  inner_join(class_df, by="id") %>% as.data.frame()

#   id   X   Y   Z    A   B    C    D    E   F
# 1  1 0.0 0.4 0.6 0.20 0.3 0.10 0.15 0.25 0.0
# 2  2 0.4 0.4 0.2 0.05 0.1 0.05 0.30 0.10 0.4
# 3  3 0.3 0.4 0.3 0.10 0.1 0.10 0.20 0.20 0.3

数据：

class_fg <- read.table(text = "class fg A Z B Z C Z D Y E Y F X", header = TRUE, stringsAsFactors = FALSE) class_df <- read.table(text = "id A B C D E F 1 0.20 0.30 0.10 0.15 0.25 0.00 2 0.05 0.10 0.05 0.30 0.10 0.40 3 0.10 0.10 0.10 0.20 0.20 0.30", header = TRUE, stringsAsFactors = FALSE)

Answer 3

又一种选择，以及已经提供的工作解决方案，将使用https://github.com/coobird/thumbnailator 使用library(tidyverse)包来构建表达式来计算每个表达式中的总和基。

psum <- function(...) reduce(list(...), `+`)

首先，定义一个辅助函数，用于执行向量的元素和：

class_fg

将分组从sum_exprs <- with(class_fg, split(class, fg)) %>% map(~ rlang::expr(psum(!!!rlang::syms(.x)))) sum_exprs #> $X #> psum(F) #> #> $Y #> psum(D, E) #> #> $Z #> psum(A, B, C)提取到列表中然后我们可以构建用于计算每组总和的表达式列表：

mutate

准备好表达式列表后，我们可以quasiquotation将它们class_df %>% mutate(!!!sum_exprs) #> id A B C D E F X Y Z #> 1 1 0.20 0.3 0.10 0.15 0.25 0.0 0.0 0.4 0.6 #> 2 2 0.05 0.1 0.05 0.30 0.10 0.4 0.4 0.4 0.2 #> 3 3 0.10 0.1 0.10 0.20 0.20 0.3 0.3 0.4 0.3加入到#disable multi-touch emulation from kivy.config import Config Config.set('input', 'mouse', 'mouse,multitouch_on_demand') from kivy.app import App from kivy.lang import Builder from kivy.uix.boxlayout import BoxLayout from kivy.uix.button import Button from kivy.uix.image import Image #-------------------------------------------------------------------- Builder.load_string(""" <RootWidget>: BoxLayout: orientation: 'vertical' padding: "10dp" BoxLayout: size_hint_y: 3 Widget: # to fill the line from left Button: text: "Button" font_size: 40 text_size: self.size halign: 'center' valign: 'bottom' padding_y: 10 #Adding Image you can comment this part Image: source: 'img/calender1.png' center_x: self.parent.center_x center_y: self.parent.center_y +10 Widget:# to fill the line from right BoxLayout: size_hint_y: 10 """) #----------------------------------------------------------------------- class RootWidget(BoxLayout): pass #----------------------------------------------------------------------- class MyApp(App): def build(self): return RootWidget() if __name__ == '__main__': MyApp().run()的数据中：

Button:
    text: "Button"
    font_size: 40
    text_size: self.size     
    halign: 'center'
    valign: 'bottom'
    padding_y: 10

（我在他的答案中使用了@MKR提供的代码来创建数据）。

由"bang-bang-bang" (!!!)（v0.2.0）创建于2018-05-22。

Answer 4

我通常的方法是坚持base R，只要数据集不会太大。在您的情况下，base R解决方案将是：

class_df=as.data.frame(
  c(class_df,
    lapply(split(class_fg,class_fg$fg),
           function(x) rowSums(class_df[,x$class,drop=FALSE]))))
class_df
#  id    A   B    C    D    E   F   X   Y   Z
#1  1 0.20 0.3 0.10 0.15 0.25 0.0 0.0 0.4 0.6
#2  2 0.05 0.1 0.05 0.30 0.10 0.4 0.4 0.4 0.2
#3  3 0.10 0.1 0.10 0.20 0.20 0.3 0.3 0.4 0.3

如果数据集太大，我使用data.table。解决问题的data.table解决方案：

library(data.table)

class_dt=data.table(class_df)
grps=split(class_fg,class_fg$fg)

for (g in grps) class_dt[,c(g$fg[1]):=rowSums(.SD),.SDcols=g$class,]
class_dt
#   id    A   B    C    D    E   F   X   Y   Z
#1:  1 0.20 0.3 0.10 0.15 0.25 0.0 0.0 0.4 0.6
#2:  2 0.05 0.1 0.05 0.30 0.10 0.4 0.4 0.4 0.2
#3:  3 0.10 0.1 0.10 0.20 0.20 0.3 0.3 0.4 0.3

Answer 5

在列子集上使用tidyverse的另一个rowSums解决方案：

library(tidyverse)
class_fg %>%
  group_by(fg) %>% 
  summarize(list(rowSums(class_df[class]))) %>%
  spread(1,2) %>%
  unnest() %>%
  bind_cols(class_df, .)

#>   id    A   B    C    D    E   F   X   Y   Z
#> 1  1 0.20 0.3 0.10 0.15 0.25 0.0 0.0 0.4 0.6
#> 2  2 0.05 0.1 0.05 0.30 0.10 0.4 0.4 0.4 0.2
#> 3  3 0.10 0.1 0.10 0.20 0.20 0.3 0.3 0.4 0.3

或者为了荣耀代码高尔夫：

x <- with(class_fg, tapply(class, fg, reformulate))
mutate(class_df, !!!map(x, ~as.list(.)[[2]]))
#>   id    A   B    C    D    E   F   X   Y   Z
#> 1  1 0.20 0.3 0.10 0.15 0.25 0.0 0.0 0.4 0.6
#> 2  2 0.05 0.1 0.05 0.30 0.10 0.4 0.4 0.4 0.2
#> 3  3 0.10 0.1 0.10 0.20 0.20 0.3 0.3 0.4 0.3

汇总多组列

5 个答案: