我有一個資料框，其中有很多很多 NA 值散布在感興趣的列中。這是一個示例：
dput(try[, 30:34])
structure(list(adj_avg_2016 = c(25641966.4, 28919805, 44152549.8,
4341304.9, 10588244.8, 4928398.6, 8985362.4, 832000, 2674875.2,
20416846.8), adj_avg_2017 = c(27693728, 29815155, 46187854.8,
4594589.9, 11021124.8, 5075010, 9436240.8, 848640, 2782821.6,
21439365.4), adj_avg_2018 = c(31554678.4, 30710505, 45952664,
NA, NA, NA, NA, 865920, 2894427.2, 21556703.6), adj_avg_2019 = c(33454832,
31605855, 45590832, NA, 12319764.8, NA, NA, 900480, NA,
21556703.6), adj_avg_2020 = c(35122520, 32501205, 46495412, NA,
NA, NA, NA, NA, 3130445.6, 22520553.1)), class = "data.frame", row.names = c(NA,
10L))
我想做的是try根據使用列索引的條件對資料框中的每一列求和。
更具體地說，我想查看上一年的列并僅使用當前和上一年列中非 NA 的元素求和。例如
- 對于 col
adj_avg_2016，我想對所有元素求和，因為它是組中的第一列 - 對于 col
adj_avg_2017，我想對所有元素求和，因為其中或adj_avg_2016列中沒有 NA 值。 - 對于山口
adj_avg_2018，我想僅使用來概括對應不在條目NA在任一adj_avg_2017或adj_avg_2018（如此項1：3，8:10） - 對于 col
adj_avg_2019，我想使用條目 1:3, 8 & 10 求和，因為條目 5 inadj_avg_2018是 NA 而條目 9 inadj_avg_2019是 NA - 對于 col
adj_avg_2020我想僅使用條目 1:3 和 10 進行求和，因為條目 9 在adj_avg_2019.
我想要的結果是每一年的列，agg_pass1_2016......agg_pass1_2020包含指定的計算。
由于資料框每年都會繼續增長，我會做很多事情，所以函式似乎是要走的路。這是我到目前為止的想法：
str <- function(df, overwrite = TRUE){
nms <- grep("adj_avg_[0-9] $", names(df), value = TRUE) # get the columns
nms_col_idx <- grep("adj_avg_[0-9] $", names(df), value = FALSE) # get the column indexes
revnms <- gsub("adj_avg", "agg_pass1", nms) # names of new columns I want to add
if(!overwrite) revnms <- setdiff(revnms, names(df))
df[, revnms] <- lapply(df[, nms], sum, ....) # This is where I get confused.
}
我的問題/問題：
將行和列索引合并
df[, revnms]到上述函式中以實作所需計算的最佳方法是什么？我知道一種方法會涉及某些組合，which(!is.na(.))但不確定如何將其放入我最后一行的函式中。是否有另一個函式可以像函式一樣快速簡單地實作我的結果？
歡迎所有評論/建議。非常感謝。
uj5u.com熱心網友回復：
根據邏輯，我們可能需要乘以沒有第一列和最后一列的資料子集創建的邏輯矩陣，得到 colSums
colSums(cbind(try[1], try[-1] * (!is.na(try[-1]) &
!is.na(try[-ncol(try)]))), na.rm = TRUE)
-輸出
adj_avg_2016 adj_avg_2017 adj_avg_2018 adj_avg_2019 adj_avg_2020
151481354 158894530 133534898 133108703 136639690
或使用 tidyverse
library(dplyr)
library(stringr)
try %>%
summarise(across(everything(),
~ if(cur_column() == 'adj_avg_2016') sum(., na.rm = TRUE)
else sum(.x[!is.na(.x) &
!is.na(get(str_replace(cur_column(), "(\\d )$",
function(x) as.numeric(x) - 1)))])))
adj_avg_2016 adj_avg_2017 adj_avg_2018 adj_avg_2019 adj_avg_2020
1 151481354 158894530 133534898 133108703 136639690
如果我們要創建新列，請使用mutate代替summarise并同時使用.names
try %>%
mutate(across(everything(),
~ if(cur_column() == 'adj_avg_2016') sum(., na.rm = TRUE)
else sum(.x[!is.na(.x) &
!is.na(get(str_replace(cur_column(), "(\\d )$",
function(x) as.numeric(x) - 1)))]),
.names = "{str_replace(.col, 'avg', 'pass')}"))
-輸出
adj_avg_2016 adj_avg_2017 adj_avg_2018 adj_avg_2019 adj_avg_2020 adj_pass_2016 adj_pass_2017 adj_pass_2018 adj_pass_2019 adj_pass_2020
1 25641966 27693728 31554678 33454832 35122520 151481354 158894530 133534898 133108703 136639690
2 28919805 29815155 30710505 31605855 32501205 151481354 158894530 133534898 133108703 136639690
3 44152550 46187855 45952664 45590832 46495412 151481354 158894530 133534898 133108703 136639690
4 4341305 4594590 NA NA NA 151481354 158894530 133534898 133108703 136639690
5 10588245 11021125 NA 12319765 NA 151481354 158894530 133534898 133108703 136639690
6 4928399 5075010 NA NA NA 151481354 158894530 133534898 133108703 136639690
7 8985362 9436241 NA NA NA 151481354 158894530 133534898 133108703 136639690
8 832000 848640 865920 900480 NA 151481354 158894530 133534898 133108703 136639690
9 2674875 2782822 2894427 NA 3130446 151481354 158894530 133534898 133108703 136639690
10 20416847 21439365 21556704 21556704 22520553 151481354 158894530 133534898 133108703 136639690
轉載請註明出處，本文鏈接：https://www.uj5u.com/net/360959.html
下一篇：合并資料幀的非重復行