r - 如何在 R 中按组向量进行 rowSums？

Question

假设我有一个像这样的数据框:

df<-data.frame(A.1=1:5,B.1=2:6,C.1=3:7, 
               D.2=4:8,E.2=5:9,F.2=6:10)
df
  A.1 B.1 C.1 D.2 E.2 F.2
1   1   2   3   4   5   6
2   2   3   4   5   6   7
3   3   4   5   6   7   8
4   4   5   6   7   8   9
5   5   6   7   8   9  10

我想要的是 rowSums() 通过一个组向量，它是 df 的列名，没有字母(例如 c(1,1,1 ,2,2,2)) 输出为:

      1  2
[1,]  6 15
[2,]  9 18
[3,] 12 21
[4,] 15 24
[5,] 18 27

我的真实数据集有来自 18 个组的超过 110,000 个 cols，并且会找到一种优雅而简单的方法来实现它。

Answer 1

由于 data.frame 的内部结构方式，按行操作通常比按列操作慢得多。鉴于您对这个 data.frame 实际上有多大的评论，我可能会使用 data.table 将其转换为 long，将组隔离为它自己的变量，然后执行分组总和。

df <- data.frame(
  A.1 = 1:5,
  B.1 = 6:10,
  C.2 = 11:15,
  D.2 = 16:20
)

首先，使用setDT将data.frame转换为data.table。

library(data.table)

setDT(df)

然后，添加一个row_number列(:=创建一个新列；.N是一个包含行数的特殊变量表)。

df[, row_number := 1:.N]

将其转换为“长”data.table，使用 row_number 作为唯一 ID 列。

df_long <- melt(df, id.vars = "row_number")
df_long
#>     row_number variable value
#>  1:          1      A.1     1
#>  2:          2      A.1     2
#>  3:          3      A.1     3
#>  4:          4      A.1     4
#>  5:          5      A.1     5
#>  6:          1      B.1     6
#>  7:          2      B.1     7
#>  8:          3      B.1     8
#>  9:          4      B.1     9
#> 10:          5      B.1    10
#> 11:          1      C.2    11
#> 12:          2      C.2    12
#> 13:          3      C.2    13
#> 14:          4      C.2    14
#> 15:          5      C.2    15
#> 16:          1      D.2    16
#> 17:          2      D.2    17
#> 18:          3      D.2    18
#> 19:          4      D.2    19
#> 20:          5      D.2    20

创建一个新的 group 列，其中包含“.”之后的所有内容。在新的“变量”列中(^.*?\\. 是从字符串开头到第一个“.”的所有内容；gsub(pattern, "", variable) 从 variable 中移除 pattern。

df_long[, group := as.integer(gsub("^.*?\\.", "", variable))]
df_long
#>     row_number variable value group
#>  1:          1      A.1     1     1
#>  2:          2      A.1     2     1
#>  3:          3      A.1     3     1
#>  4:          4      A.1     4     1
#>  5:          5      A.1     5     1
#>  6:          1      B.1     6     1
#>  7:          2      B.1     7     1
#>  8:          3      B.1     8     1
#>  9:          4      B.1     9     1
#> 10:          5      B.1    10     1
#> 11:          1      C.2    11     2
#> 12:          2      C.2    12     2
#> 13:          3      C.2    13     2
#> 14:          4      C.2    14     2
#> 15:          5      C.2    15     2
#> 16:          1      D.2    16     2
#> 17:          2      D.2    17     2
#> 18:          3      D.2    18     2
#> 19:          4      D.2    19     2
#> 20:          5      D.2    20     2

最后，按row_number 和group 进行sum(value) 分组。这些类型的操作在 data.table 中非常快，比基础 R 更快、更高效。

df_long[, sum(value), by = list(row_number, group)]
#>     row_number group V1
#>  1:          1     1  7
#>  2:          2     1  9
#>  3:          3     1 11
#>  4:          4     1 13
#>  5:          5     1 15
#>  6:          1     2 27
#>  7:          2     2 29
#>  8:          3     2 31
#>  9:          4     2 33
#> 10:          5     2 35