代码之家 › 专栏 › 技术社区 › papgeo

计算具有多个变量的加权和

papgeo · 技术社区 · 11 月前

我有一个很大的数据集,有很多 x 和 y 列,但显示了下面有5个的示例

library(dplyr)
set.seed(505)
df <- data.frame(
x1 = sample(-2 : 4,size = 10, replace = TRUE),
x2 = sample(-2 : 4,size = 10, replace = TRUE),
x3 = sample(-2 : 4,size = 10, replace = TRUE),  
x4 = sample(-2 : 4,size = 10, replace = TRUE), 
x5 = sample(-2 : 4,size = 10, replace = TRUE),   
y1 = sample(-2 : 4,size = 10, replace = TRUE), 
y2 = sample(-2 : 4,size = 10, replace = TRUE),
y3 = sample(-2 : 4,size = 10, replace = TRUE),  
y4 = sample(-2 : 4,size = 10, replace = TRUE),  
y5 = sample(-2 : 4,size = 10, replace = TRUE))

我的任务可以用下面的代码实现

df |> mutate(
  sum1 = x1 * as.numeric(x1 > -1 & y1 > -1) +
         x2 * as.numeric(x2 > -1 & y2 > -1) +
         x3 * as.numeric(x3 > -1 & y3 > -1) +
         x4 * as.numeric(x4 > -1 & y4 > -1) +
         x5 * as.numeric(x5 > -1 & y5 > -1)

因为我有25个 x 和 y 变量,我的问题是:有更好的方法来实现同样的目标吗?

4 回复 | 直到 11 月前

s_baldur 11 月前

xs <- paste0("x", 1:5)
ys <- paste0("y", 1:5)

rowSums(df[xs] * (df[xs] > -1 & df[ys] > -1))

# Alternatively
foo <- \(x, y) replace(x, pmin(x, y) <= -1, 0)
rowSums(mapply(foo, df[xs], df[ys]))


# [1] 2 3 1 4 6 3 0 0 1 2

Rui Barradas 11 月前

这是一个基本的R解决方案。
获取名称以开头的列 "x" 以a开头的 "y" 具有 mapply 计算每对的新值 “x” 和 y 和管道到 rowSums 以获得想要的结果。将所有内容放在一起,并为新列指定名称 "sum1" .

set.seed(2024)
df <- data.frame(
  x1 = sample(-2 : 4,size = 10, replace = TRUE),
  x2 = sample(-2 : 4,size = 10, replace = TRUE),
  x3 = sample(-2 : 4,size = 10, replace = TRUE),  
  x4 = sample(-2 : 4,size = 10, replace = TRUE), 
  x5 = sample(-2 : 4,size = 10, replace = TRUE),   
  y1 = sample(-2 : 4,size = 10, replace = TRUE), 
  y2 = sample(-2 : 4,size = 10, replace = TRUE),
  y3 = sample(-2 : 4,size = 10, replace = TRUE),  
  y4 = sample(-2 : 4,size = 10, replace = TRUE),  
  y5 = sample(-2 : 4,size = 10, replace = TRUE))

xnames <- grep("x", names(df), value = TRUE)
ynames <- grep("y", names(df), value = TRUE)

df <- cbind(df,
      mapply(\(ix, iy, DF) {
        x <- DF[[ix]]
        y <- DF[[iy]]
        x*as.integer(x > -1 & y > -1)
      }, xnames, ynames, MoreArgs = list(DF = df)) |>
        rowSums()
)
names(df)[ncol(df)] <- "sum1"
df
#>    x1 x2 x3 x4 x5 y1 y2 y3 y4 y5 sum1
#> 1  -1  4 -1  1  1 -2 -2 -2  3  3    2
#> 2   2  2 -1  1 -1 -1  3  0 -2  1    2
#> 3   2  0  2  1  1 -2  1  1 -2  3    3
#> 4   1  2 -2  0  1 -2 -2  2  2 -2    0
#> 5   4  3  0 -1  4 -2  4  3  0 -2    3
#> 6  -2  1  0  1  1  3  2  0  2  1    3
#> 7   2  3 -2  1 -2 -1  0 -2  1  3    4
#> 8  -2 -1  3  4  2 -2  2 -2  0  0    6
#> 9  -1 -1 -2  4  1  0 -1  0  1 -1    4
#> 10 -1  1  1 -2  0 -2 -1  0  2  0    1

^{创建于2024-02-01

reprex v2.0.2}

ThomasIsCoding 11 月前

你可以试试下面的代码

> lst <- split.default(df, sub("\\d+", "", names(df)))

> rowSums(lst$x * (do.call(pmin, lst) > -1))
 [1] 2 3 1 4 6 3 0 0 1 2

uguros 11 月前

对有一些方法可以更好地处理这项任务。让我提供我的解决方案如下

library(dplyr)
library(purrr)

# Assuming you have 25 x and y columns
x_cols <- paste0("x", 1:25)
y_cols <- paste0("y", 1:25)

df <- df %>%
  mutate(sum1 = reduce(
    map2_dbl(x_cols, y_cols, ~ .x * as.numeric(get(.x) > -1 & get(.y) > -1)),
    `+`
  ))