R Summe der Zeilen für verschiedene Gruppe von Spalten, die mit ähnlichen Zeichenfolge beginnen

Question

Ich bin ziemlich neu in R und dies ist das erste Mal, dass ich es wage, hier eine Frage zu stellen.

Ich arbeite mit einem Datensatz mit likert Skalen und ich möchte Summe über verschiedene Gruppe von Spalten, die die ersten Zeichenfolgen in ihrem Namen teilen.

Unten habe ich einen Datenrahmen von nur 2 Zeilen erstellt, um den Ansatz zu illustrieren, den ich verfolgt habe, obwohl ich gerne Feedback darüber bekommen würde, wie ich einen effizienteren Weg dazu schreiben kann.

df <- as.data.frame(rbind(rep(sample(1:5),4),rep(sample(1:5),4))) 

var.names <- c("emp_1","emp_2","emp_3","emp_4","sat_1","sat_2" 
      ,"sat_3","res_1","res_2","res_3","res_4","com_1", 
      "com_2","com_3","com_4","com_5","cap_1","cap_2", 
      "cap_3","cap_4") 

names(df) <- var.names 

Also, was ich tat, war die grep-Funktion zu verwenden, um der Lage sein, die Zeilen der angegebenen Variablen zu summieren, die mit bestimmten Zeichenfolgen und speichern sie in einer neuen Variablen gestartet. Aber ich muss für jede Variable eine neue Codezeile schreiben.

df$emp_t <- rowSums(df[, grep("\\bemp.", names(df))]) 
df$sat_t <- rowSums(df[, grep("\\bsat.", names(df))]) 
df$res_t <- rowSums(df[, grep("\\bres.", names(df))]) 
df$com_t <- rowSums(df[, grep("\\bcom.", names(df))]) 
df$cap_t <- rowSums(df[, grep("\\bcap.", names(df))]) 

Aber es gibt viel mehr Variablen im Datensatz, und ich möchte wissen, ob es einen Weg gibt, diese von Code mit nur einer Zeile zu tun. Zum Beispiel eine Möglichkeit, die Variablen, die mit den gleichen Strings beginnen, zu gruppieren und dann die Zeilenfunktion anzuwenden.

Vielen Dank im Voraus!

Answer 1

Eine mögliche Lösung ist df umzusetzen und berechnen Summen für die richtigen Spalten Basis R mit rowsum Funktion (mit set.seed(123))

cbind(df, t(rowsum(t(df), sub("_.*", "_t", names(df))))) 
# emp_1 emp_2 emp_3 emp_4 sat_1 sat_2 sat_3 res_1 res_2 res_3 res_4 com_1 com_2 com_3 com_4 com_5 cap_1 cap_2 cap_3 cap_4 cap_t 
# 1  2  4  5  3  1  2  4  5  3  1  2  4  5  3  1  2  4  5  3  1 13 
# 2  1  3  4  2  5  1  3  4  2  5  1  3  4  2  5  1  3  4  2  5 14 
# com_t emp_t res_t sat_t 
# 1 15 14 11  7 
# 2 15 10 12  9 

Answer 2

mit MrFlick zustimmen, dass Sie möchten, können Sie Ihre Daten im langen Format setzen (siehe reshape2, tidyr), aber Ihre Frage zu beantworten:

cbind(
    df, 
    sapply(split.default(df, sub("_.*$", "_t", names(df))), rowSums) 
) 

den Trick Will

Answer 3

Sie werden auf lange Sicht besser dran sein, wenn Sie Ihre Daten in tidy format setzen. Das Problem besteht darin, dass die Daten eher breit als lang sind. Und die Variablennamen, z. B. emp_1, sind tatsächlich zwei getrennte Datenelemente: die Klasse der Person und die ID-Nummer der Person (oder etwas Ähnliches). Hier ist eine Lösung für Ihr Problem mit dplyr und tidyr.

library(dplyr) 
library(tidyr) 
df %>% 
    gather(key, value) %>% 
    extract(key, c("class", "id"), "([[:alnum:]]+)_([[:alnum:]]+)") %>% 
    group_by(class) %>% 
    summarize(class_sum = sum(value)) 

Zunächst wandeln wir den Datenrahmen mit gather() zu langen Format von breit. Dann teilen wir die Werte emp_1 in separate Spalten class und id mit extract(). Schließlich gruppieren wir nach der Klasse und summieren die Werte in jeder Klasse. Ergebnis:

Source: local data frame [5 x 2] 

    class class_sum 
1 cap  26 
2 com  30 
3 emp  23 
4 res  22 
5 sat  19