通过循环匹配列名中的字符串模式,并将其作为新列追加到数据帧

时间:2018-06-04 20:32:42

标签: r

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!

1 个答案:

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tidyversegather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

数据

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