r - 使用tidyverse的R中多列的加权和

Question

我正在尝试生成每个因子水平的加权和。我有四列数据:

col1 = surface area
col 2 = dominant
col 3 = codominant
col 4 = sub

1    2    3     4
125  A    NA    NA
130  A    NA    B
150  C    B     NA
160  B    NA    NA
90   B    A     NA
180  C    A     B

• 如果仅填充第 2 列，则该值将获得第 1 列的全部值。
• 如果填充了第 2 列和第 3 列，则第 1 列中的值被分成两半。
• 如果填充了第 2、3 和 4 列，则第 1 列中的值将一分为三。
• 如果填充了第 2 列和第 4 列，则第 1 列中的值除以 75/25。

因此，对于上面的示例输出，我的新数据框将是:

1    2
A    326.9
B    331.4
C    134.4

我摆弄了 ifelse 并得到了类似的东西(对于这个例子的两列):

     df1 <- df %>% 
            mutate(weighted_dominant = ifelse(!is.na(dominant) & is.na(codominant), Surface_Area, 
            Surface_Area/2),
                   weighted_codominant = ifelse(!is.na(codominant), Surface_Area/2, NA )

现在我隔离 intereset 的列:

df2 <- df1 %>% select(dominant, weighted_dominant) %>% 
               group by (dominant) %>%
               summarise (sum = sum(weighted_dominant) 

同样对共显列执行此操作，绑定(bind)两个新数据帧的行并再次执行汇总功能。

这完成了工作，但也需要大约 50 行代码，在我看来，这不是很干净。

我的问题:是否有更好的(tidyverse)方法来进行这种加权汇总？

Answer 1

使用 tidyverse，您可以考虑以下方法。

将行号作为单独的列包含在内，以便您可以在每一行内进行评估。 pivot_longer 会将您的数据放入长格式。

按行号分组后，您可以根据缺少的列确定 A、B 和 C 的值。这假设始终有一个“主导”列(否则，您可以在此处调整逻辑)。

然后，删除您的NA，并计算 A、B 和 C 的权重值。

df %>%
  mutate(rn = row_number()) %>%
  pivot_longer(cols = c(dominant, codominant, sub)) %>%
  group_by(rn) %>%
  mutate(weight = case_when(
    is.na(value[name == "codominant"]) & is.na(value[name == "sub"]) ~ as.numeric(Surface_Area),
    is.na(value[name == "codominant"]) & name == "dominant" ~ Surface_Area * .75,
    is.na(value[name == "codominant"]) & name == "sub" ~ Surface_Area * .25,
    is.na(value[name == "sub"]) ~ Surface_Area / 2,
    TRUE ~ Surface_Area / 3
  )) %>%
  drop_na() %>%
  group_by(value) %>%
  summarise(total = sum(weight))

输出

  value total
  <chr> <dbl>
1 A      328.
2 B      372.
3 C      135