R:您如何根据其他变量的分组进行行总和？

Question

以下是示例数据:

df <- data.frame("ID1" = c("A","A","B","C"), 
            "Wt1" = c(0.8,0.6,0.4,0.5),
            "ID2" = c("B","A","C","B"),
            "Wt2" = c(0.1,0.4,0.5,0.5),
            "ID3" = c("C",NA,"C",NA), 
            "Wt3" = c(0.1,NA,0.1,NA))

我想在数据框中创建一个列(投票)，它基于来自 ID1、ID2、ID3 组的 wt 的 argmax。例如，在示例数据的第 3 行中，“B”的 wt 总和为 0.4，“C”的 wt 总和为 0.6，因此投票 =“C”。

所以结果会像

  ID1 Wt1 ID2 Wt2  ID3 Wt3 vote
1   A 0.8   B 0.1    C 0.1    A
2   A 0.6   A 0.4 <NA>  NA    A
3   B 0.4   C 0.5    C 0.1    C
4   C 0.5   B 0.5 <NA>  NA    C

在平局的情况下(示例中的第 4 行)，只需选择任何 ID 值。有人可以提出解决方案吗？

Answer 1

首先，操作这种格式的表格非常困难。这不是您想要的输出，但恐怕您可能会被困在更远的道路上。

一种建议是格式化表格，以便我们可以轻松地从中检索信息。

为每个观察分配 id

df$obs <- 1:nrow(df)

然后把它们放在一个长格式

  df1 <- do.call("rbind",lapply(seq(1,6,2),function(x) {df <- df[,c(x: (x+1),7)]; 
colnames(df) <- c("ID","Wt","obs"); df}))

然后我的技能用 data.frame有限，所以我切换到 data.table包裹。

dt <- as.data.table(df1)

我们将 obs 和 ID 的投票数相加

dt[,total:=sum(Wt,na.rm=TRUE),.(obs,ID)]

然后很容易检索信息。

dt[,vote:=.SD[which.max(total)],obs]

#dt
#    ID  Wt obs total vote
# 1:  A 0.8   1   0.8    A
# 2:  A 0.6   2   1.0    A
# 3:  B 0.4   3   0.4    C
# 4:  C 0.5   4   0.5    C
# 5:  B 0.1   1   0.1    A
# 6:  A 0.4   2   1.0    A
# 7:  C 0.5   3   0.6    C
# 8:  B 0.5   4   0.5    C
# 9:  C 0.1   1   0.1    A
# 10: NA  NA   2   0.0    A
# 11:  C 0.1   3   0.6    C
# 12: NA  NA   4   0.0    C