使用向量来索引 R 中的 data.frame

Posted 2023-02-14

【中文标题】使用向量来索引 R 中的 data.frame

【英文标题】：Using a vector to index a data.frame in R

【发布时间】：2021-08-17 15:54:53

【问题描述】：

我有一个 data.frame，其中包含一个 ID 号和来自调查的缩放响应：

df(responses)

ID    X1    X2    X3    X4
A1    1     1     2     1
B2    0     1     3     0
C3    3     3     2     0

我还有一个 data.frame 用作键：

df(key)

X    Y    Z
2    1    1
3    2    2
4    3    4

我正在尝试编写一个脚本来计算每个参与者的X、Y 和Z 分数，其中X 分数是@987654327 下列出的问题的答案总和@ 在键中。

例如参与者A1 的X 分数将等于A1 行(1+2+1 = 4) 中X2、X3 和X4 的总和。

想要的输出是：

df(output)

ID    X    Y    Z
A1    4    4    3
B2    4    4    1
C3    5    8    6

但是，我目前正在努力使用 key 中的值索引 data.frame responses。我现在的状态是：

#store scale names
scales <- c(colnames(key))
#loop over every participant
for (i in responses$ID)
    #create temporary data.frame with only participant "i"s responses
    data <- subset(responses, ID == i)
    #loop over each scale and store the relevant response numbers
    for (s in scales)
        relevantResponses <- scales[c(s)]
        #create a temporary storage for the total of each scale
        runningScore <- 0
        #index each response and add it to the total
        for (r in relevantResponses)
             runningScore <- runningScore + data[1,r]
  

但是我得到了错误：

Error in `[.data.frame`(data, 1, r) : 
  undefined columns selected

有没有比嵌套循环更好的索引方法？

【参考方案1】：

我们可以使用rowSums 循环lapply 和key 数据列，根据索引提取“响应”数字列，得到rowSums 将list 转换为data.frame 和@ 987654327@ 第一列是'responses'

cbind(responses[1], data.frame(lapply(key, 
     function(x) rowSums(responses[-1][, na.omit(x)], na.rm = TRUE))))

-输出

#  ID X Y Z
#1 A1 4 4 3
#2 B2 4 4 1
#3 C3 5 8 6

---

或者tidyverse

imap(key, ~ responses %>%
     transmute(ID, !!.y :=  rowSums(select(cur_data()[-1], na.omit(.x)),
          na.rm = TRUE))) %>% 
     reduce(inner_join)

-输出

#  ID X Y Z
#1 A1 4 4 3
#2 B2 4 4 1
#3 C3 5 8 6

---

或者另一个选项是mutate 和across

key %>%
   mutate(across(everything(), 
       ~ rowSums(responses[-1][na.omit(.)], na.rm = TRUE)), 
          ID = responses$ID, .before = 1)
#  ID X Y Z
#1 A1 4 4 3
#2 B2 4 4 1
#3 C3 5 8 6

数据

responses <- structure(list(ID = c("A1", "B2", "C3"), X1 = c(1L, 0L, 3L), 
    X2 = c(1L, 1L, 3L), X3 = c(2L, 3L, 2L), X4 = c(1L, 0L, 0L
    )), class = "data.frame", row.names = c(NA, -3L))

key <- structure(list(X = 2:4, Y = 1:3, Z = c(1L, 2L, 4L)), class = "data.frame",
   row.names = c(NA, 
-3L))

【讨论】：

我的“关键”data.frame 中包含 NA（某些量表使用更多响应）。我认为这会导致“未定义的列”错误。有没有办法解决这个问题？

【参考方案2】：

这是处理此问题的另一种方法。我只是想用我最喜欢的解决方案来挑战自己，这并不像亲爱的@akrun 提出的那样简洁和出色。这是他教我如何使用purrr 函数家族的人：

library(dplyr)
library(purrr)

responses %>% 
  select(X1:X4) %>% 
  pmap_dfr(., ~ map_dfc(1:length(key), function(x) sum(c(...)[key[, x]]))) %>%
  bind_cols(responses$ID) %>%
  set_names(c("x", "y", "z", "ID")) %>% 
  relocate(ID)

  ID        x     y     z
  <chr> <int> <int> <int>
1 A1        4     4     3
2 B2        4     4     1
3 C3        5     8     6

亲爱的@akrun 提出了两种更简洁的方法，我想在这里补充一下。一个带有rowSums 功能，另一个带有reduce 来自purrr 包。请记住，当我们将 + 函数与 reduce 应用于数据框时，它将应用于每一行并将其折叠为单个元素：

map_dfc(key, ~ responses[-1][.x] %>% rowSums())

# A tibble: 3 x 3
      X     Y     Z
  <dbl> <dbl> <dbl>
1     4     4     3
2     4     4     1
3     5     8     6

还有reduce:

map_dfc(key, ~ responses[-1][.x] %>% reduce(`+`))

# A tibble: 3 x 3
      X     Y     Z
  <int> <int> <int>
1     4     4     3
2     4     4     1
3     5     8     6

【讨论】：

我认为 rowSums 方法更直接，或者您可以将reduce 与+ 一起使用，即map_dfc(key, ~ responses[-1][.x] %>% reduce(+))

你一如既往的正确。现在让我试试这种方法，因为我现在正在练习我的reduce 功能技能哈哈。