我有一个包含列名的数据框:
abc_alpha = c(1,2,3,4)
abc_beta = c(5,6,7,8)
abc_char = c(9,10,11,12)
xyz_alpha = c(4,3,2,1)
xyz_beta = c(8,7,6,5)
xyz_char = c(12,11,10,9)
和我的数据框(df):
abc_alpha abc_beta abc_char xyz_alpha xyz_beta xyz_char
1 5 9 4 8 12
2 6 10 3 7 11
3 7 11 2 6 10
4 8 12 1 5 9
我想循环遍历列并匹配具有相同字符串结尾的列(在下划线之后),取两个匹配列的平均值并将其作为新变量附加到数据框的末尾(新变量的col名称将是下划线后面的匹配字符串)。我想使用循环而不是对列名进行硬编码,因为真正的数据集有太多列。
预期输出将是:
abc_alpha abc_beta abc_char xyz_alpha xyz_beta xyz_char alpha beta char
1 5 9 4 8 12 2.5 6.5 10.5
2 6 10 3 7 11 2.5 6.5 10.5
3 7 11 2 6 10 2.5 6.5 10.5
4 8 12 1 5 9 2.5 6.5 10.5
我已经编写了循环函数的第一部分,但似乎无法将新列附加到数据框:
for (i in 1:ncol(df)) {
x <- (strsplit(names(df)[i], split = '_', fixed = T))[[1]][2]
我浏览了可能类似的问题,但由于我是R的新手,很多建议使用Apply系列的答案让我感到困惑,而且我无法适应这些解决方案我的情况。
谢谢!
答案 0 :(得分:1)
我们可以通过删除子字符串创建的分组变量来split
数据并获取rowMeans
cbind(df, sapply(split.default(df, sub(".*_", "", names(df))), rowMeans))
#abc_alpha abc_beta abc_char xyz_alpha xyz_beta xyz_char alpha beta char
#1 1 5 9 4 8 12 2.5 6.5 10.5
#2 2 6 10 3 7 11 2.5 6.5 10.5
#3 3 7 11 2 6 10 2.5 6.5 10.5
#4 4 8 12 1 5 9 2.5 6.5 10.5
或者使用tidyverse
,gather
将列添加为“long”格式,然后将separate
“key”列分隔为两个列,分隔符为_
,{{1通过行名称和'key2',summarise
到'wide'分组后获取mean
并使用`bind_cols'与原始数据集绑定
spread
library(tidyverse)
df %>%
rownames_to_column('rn') %>% # create a rowname column
gather(key, val, -rn) %>% # convert to long format
separate(key, into = c('key1', 'key2')) %>% # split column into two
group_by(rn, key2) %>% # grouping with columns
summarise(val = mean(val)) %>% # get the mean
spread(key2, val) %>% # convert to wide format
ungroup %>% # remove the groups
select(-rn) %>% # select only columns of interest
bind_cols(df, .) # bind with the original dataset
# abc_alpha abc_beta abc_char xyz_alpha xyz_beta xyz_char alpha beta char
#1 1 5 9 4 8 12 2.5 6.5 10.5
#2 2 6 10 3 7 11 2.5 6.5 10.5
#3 3 7 11 2 6 10 2.5 6.5 10.5
#4 4 8 12 1 5 9 2.5 6.5 10.5