[Rtips] group_by + across + where + function 妙用(按列求多行统计值:和)

来源群里一个老哥问:

data_ori<-"CB;IB;NCB;tag
combine=0;0;2;6;a
combine=1;3;3;5;b
combine=2;8;6;2;b"
data<- read.table(text = data_ori,header = T,sep=";",quote ="")

haha<-data.frame(c("a","b"))
colnames(haha)<-"tag"
for (i in c("CB","IB","NCB")){
  ll<- data  %>% select(i,tag) %>% group_by(tag) %>%  summarise(tmp = sum(data[,i]))
  colnames(ll)<-c("tag",i)
  haha<-haha %>% left_join(ll,by="tag")
}想以tag为组求和,而不是要该列全部的和,求问改怎么改呀


想要的是比如CB列,a组的和是0,b组的和是1;IB列a组和为2,b组和为9

变成


作为常年在网上各种群摸鱼的我,有时候只要不是很忙或者说心情还好,就会去解答,但是想着解答了后不记录下来,那么看到答案的人就少了。所以就有了我此文。

有两种方法:

第一种:

如果看不懂下面代码,建议大家认证去学习一下 dplyr 1.0 后增加的 acrosswhere 系列内容。
相关内容可在 tidyverse 官方阅读:
https://www.tidyverse.org/blog/
dplyr 1.0.0: working across columns

# 最简单粗暴

library(tidyverse)
data %>%
  group_by(tag) %>%
  summarise(across(where(is.numeric), sum))

`summarise()` ungrouping output (override with `.groups` argument)
# A tibble: 2 x 4
  tag      CB    IB   NCB
  <chr> <int> <int> <int>
1 a         0     2     6
2 b        11     9     7

第二种:


# 第二种:比较啰嗦

library(tidyverse)

data %>%
  pivot_longer(
    cols = -tag,
    names_to = "group",
    values_to = "value"
  ) %>%
  group_by(tag, group) %>%
  summarise(tmp = sum(value)) %>%
  ungroup() %>%
  pivot_wider(
    names_from = group,
    values_from = tmp
    )

`summarise()` regrouping output by 'tag' (override with `.groups` argument)
# A tibble: 2 x 4
  tag      CB    IB   NCB
  <chr> <int> <int> <int>
1 a         0     2     6
2 b        11     9     7
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,088评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,715评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,361评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,099评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 60,987评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,063评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,486评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,175评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,440评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,518评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,305评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,190评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,550评论 3 298
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,880评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,152评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,451评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,637评论 2 335