dplyrを使用して複数の列にまたがる合計

私の質問には、データフレームの複数の列にわたる値を合計し、を使用してこの合計に対応する新しい列を作成することが含まれますdplyr。列のデータエントリはbinary（0,1）です。のsummarise_eachormutate_each関数の行方向のアナログを考えていdplyrます。以下は、データフレームの最小限の例です。

library(dplyr)
df=data.frame(
  x1=c(1,0,0,NA,0,1,1,NA,0,1),
  x2=c(1,1,NA,1,1,0,NA,NA,0,1),
  x3=c(0,1,0,1,1,0,NA,NA,0,1),
  x4=c(1,0,NA,1,0,0,NA,0,0,1),
  x5=c(1,1,NA,1,1,1,NA,1,0,1))

> df
   x1 x2 x3 x4 x5
1   1  1  0  1  1
2   0  1  1  0  1
3   0 NA  0 NA NA
4  NA  1  1  1  1
5   0  1  1  0  1
6   1  0  0  0  1
7   1 NA NA NA NA
8  NA NA NA  0  1
9   0  0  0  0  0
10  1  1  1  1  1

私は次のようなものを使用できます：

df <- df %>% mutate(sumrow= x1 + x2 + x3 + x4 + x5)

ただし、これには各列の名前を書き出すことが含まれます。私は50列が好きです。さらに、列名は、この操作を実装するループのさまざまな反復で変更されるため、列名を指定する必要がないようにしたいと思います。

どうすればそれを最も効率的に行うことができますか？どんな援助も大歓迎です。

どうですか

各列を合計する

df %>%
   replace(is.na(.), 0) %>%
   summarise_all(funs(sum))

各行を合計する

df %>%
   replace(is.na(.), 0) %>%
   mutate(sum = rowSums(.[1:5]))

特定の列のみを合計したい場合は、次のようなものを使用します。

library(dplyr)
df=data.frame(
  x1=c(1,0,0,NA,0,1,1,NA,0,1),
  x2=c(1,1,NA,1,1,0,NA,NA,0,1),
  x3=c(0,1,0,1,1,0,NA,NA,0,1),
  x4=c(1,0,NA,1,0,0,NA,0,0,1),
  x5=c(1,1,NA,1,1,1,NA,1,0,1))
df %>% select(x3:x5) %>% rowSums(na.rm=TRUE) -> df$x3x5.total
head(df)

このようにして、dplyr::selectの構文を使用できます。

正規表現マッチングを使用して、特定のパターン名を持つ変数を合計します。例えば：

df <- df %>% mutate(sum1 = rowSums(.[grep("x[3-5]", names(.))], na.rm = TRUE),
                    sum_all = rowSums(.[grep("x", names(.))], na.rm = TRUE))

このようにして、データフレームの特定の変数グループの合計として複数の変数を作成できます。

この問題は頻繁に発生します。これを行う最も簡単な方法はapply()、mutateコマンド内で関数を使用することです。

library(tidyverse)
df=data.frame(
  x1=c(1,0,0,NA,0,1,1,NA,0,1),
  x2=c(1,1,NA,1,1,0,NA,NA,0,1),
  x3=c(0,1,0,1,1,0,NA,NA,0,1),
  x4=c(1,0,NA,1,0,0,NA,0,0,1),
  x5=c(1,1,NA,1,1,1,NA,1,0,1))

df %>%
  mutate(sum = select(., x1:x5) %>% apply(1, sum, na.rm=TRUE))

ここでは、標準のdplyrトリック（starts_with()またはcontains()）を使用して列を選択するために必要なものを使用できます。1つのmutateコマンド内ですべての作業を実行することにより、このアクションdplyrは処理ステップのストリーム内のどこでも発生する可能性があります。最後に、このapply()関数を使用することにより、独自の専用の要約関数を含め、必要な要約を柔軟に使用できます。

または、整頓されていない関数を使用するというアイデアが魅力的でない場合は、列をまとめて要約し、最後に結果を元のデータフレームに結合することができます。

df <- df %>% mutate( id = 1:n() )   # Need some ID column for this to work

df <- df %>%
  group_by(id) %>%
  gather('Key', 'value', starts_with('x')) %>%
  summarise( Key.Sum = sum(value) ) %>%
  left_join( df, . )

ここでは、starts_with()関数を使用して列を選択し、合計を計算しましたNA。値を使用して、好きなことを行うことができます。このアプローチの欠点は、かなり柔軟性がありdplyrますが、データクリーニング手順のストリームに実際には適合しないことです。

reduce()fromの使用purrrは、すべての行の反復を回避し、ベクトル化された操作を利用するだけrowSumsなのでapply、よりわずかに速く、間違いなくより速くなります。

library(purrr)
library(dplyr)
iris %>% mutate(Petal = reduce(select(., starts_with("Petal")), `+`))

タイミングはこちらをご覧ください

の新しいバージョンでは dplyrは、rowwise()と一緒c_acrossに使用して、特定の行ごとのバリアントを持たない関数の行ごとの集計を実行できますが、行ごとのバリアントが存在する場合は、より高速になるはずです。

以来 rowwise()はグループ化の特殊な形式であり、動詞の動作方法を変更するためungroup()、行単位の操作を行った後、動詞をパイプでつなぐことをお勧めします。

行の範囲を選択するには：

df %>%
  dplyr::rowwise() %>% 
  dplyr::mutate(sumrange = sum(dplyr::c_across(x1:x5), na.rm = T))
# %>% dplyr::ungroup() # you'll likely want to ungroup after using rowwise()

タイプで行を選択するには：

df %>%
  dplyr::rowwise() %>% 
  dplyr::mutate(sumnumeric = sum(c_across(where(is.numeric)), na.rm = T))
# %>% dplyr::ungroup() # you'll likely want to ungroup after using rowwise()

特定のケースでは、行ごとのバリアントが存在するため、次のことができます（ across代わりに）。

df %>%
  dplyr::mutate(sumrow = rowSums(dplyr::across(x1:x5), na.rm = T))
# %>% dplyr::ungroup() # you'll likely want to ungroup after using rowwise()

詳細については、上のページを参照してください行方向。