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
我还有一个用作键的 data.frame:
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 分数是关键中 X 下列出的问题的回答总和。
例如参与者 A1 的 X 分数将等于 X2、X3 和 X4 的总和在 A1 行 (1+2+1 = 4)。
期望的输出是:
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。我目前的状态是:
#store scale names
scales <- c(colnames(key))
#loop over every participant
for (i in responses$ID){
#create temporary data.frame with only participant "i"s responses
data <- subset(responses, ID == i)
#loop over each scale and store the relevant response numbers
for (s in scales){
relevantResponses <- scales[c(s)]
#create a temporary storage for the total of each scale
runningScore <- 0
#index each response and add it to the total
for (r in relevantResponses){
runningScore <- runningScore + data[1,r]
但是我得到了错误:
Error in `[.data.frame`(data, 1, r) :
undefined columns selected
有没有比嵌套循环更好的索引方式？
最佳答案
我们可以使用 rowSums 和 lapply 循环遍历 key 数据列，根据索引提取 'responses' 数字列，得到rowSums 将 list 转换为 data.frame 和 cbind，第一列为“responses”
cbind(responses[1], data.frame(lapply(key,
function(x) rowSums(responses[-1][, na.omit(x)], na.rm = TRUE))))
-输出
# ID X Y Z
#1 A1 4 4 3
#2 B2 4 4 1
#3 C3 5 8 6
或者使用 tidyverse
imap(key, ~ responses %>%
transmute(ID, !!.y := rowSums(select(cur_data()[-1], na.omit(.x)),
na.rm = TRUE))) %>%
reduce(inner_join)
-输出
# ID X Y Z
#1 A1 4 4 3
#2 B2 4 4 1
#3 C3 5 8 6
或者另一种选择是mutate with across
key %>%
mutate(across(everything(),
~ rowSums(responses[-1][na.omit(.)], na.rm = TRUE)),
ID = responses$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))
关于r - 使用向量索引 R 中的 data.frame，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/67755154/