Tibble 数据类型的行求和

Question

我有一个 Tibble，并且我注意到 dplyr::rowwise() 和 sum() 的组合不起作用。我知道这个主题有很多线程，并且我有 2 到 3 个解决方案，但我不太明白为什么 rowwise() 和 sum() 的组合不会不工作。

所以，我的问题是:为什么rowwise()和sum()的组合不起作用以及我们能做什么让它发挥作用？我是初学者，所以我相信我在下面的代码中做错了什么。

数据:

dput(data)
structure(list(Fiscal.Year = c(2016L, 2016L, 2016L, 2016L, 2016L, 
2016L, 2016L, 2016L, 2016L, 2016L), col1 = c(0, 26613797.764311, 
0, 12717073.587292, 0, 0, 0, 0, 0, 0), col2 = c(0, 0, 0, 0, 8969417.89721166, 
0, 11483606.8417117, 0, 0, 0), col3 = c(0, 0, 33251606.347943, 
0, 25082683.4492186, 0, 17337191.3014127, 0, 0, 0), col4 = c(0, 
0, 0, 0, 0, 0, 0, 0, 0, 0), col5 = c(0, 0, 0, 0, 0, 0, 0, 0, 
0, 9796823.229998), col6 = c(35822181.695755, 17475066.870565, 
0, 0, 0, 0, 4040695.327278, 0, 13117249.623068, 0), col7 = c(0, 
0, 0, 0, 0, 18347258.910001, 0, 0, 7002205.087399, 0), No.Trans = c(2987L, 
1292L, 1002L, 796L, 691L, 677L, 400L, 388L, 381L, 366L)), .Names = c("Fiscal.Year", 
"col1", "col2", "col3", "col4", "col5", "col6", "col7", "No.Trans"
), row.names = c(NA, -10L), class = c("tbl_df", "tbl", "data.frame"
))

此代码不起作用:

data %>%  #No
        dplyr::rowwise() %>%
        dplyr::mutate(sum = sum(.[2:8]))

---

仅供引用，我已经尝试了以下一组代码，并且它们有效。我专门寻找使用 rowwise() 和 sum() 的解决方案。

选项 1: 讨论于:Summarise over all columns

  data %>%
    dplyr::rowwise() %>%
    do(data.frame(., res = sum(unlist(.)[2:8])))

选项 2:

  rowSums(data[,2:8])

选项 3: 讨论于:How to do rowwise summation over selected columns using column index with dplyr?

  data %>% mutate(sum=Reduce("+",.[2:8]))

选项 4:

data %>%
        select(2:8)%>%
        dplyr::mutate(sum=rowSums(.))

Answer 1

这些列看起来很像观察结果......
如果是这样，整理该数据框将使数据整理变得更加容易。

这能为您带来您正在寻找的答案吗？

data %>%
    gather(key = col, val = revenue, `col1`:`col7`) %>%
    group_by(Fiscal.Year, No.Trans) %>%
    summarise(res = sum(revenue))

Source: local data frame [10 x 3]
Groups: Fiscal.Year [?]

   Fiscal.Year No.Trans      res
         <int>    <int>    <dbl>
1         2016      366  9796823
2         2016      381 20119455
3         2016      388        0
4         2016      400 32861493
5         2016      677 18347259
6         2016      691 34052101
7         2016      796 12717074
8         2016     1002 33251606
9         2016     1292 44088865
10        2016     2987 35822182

要真正顺利地介绍整洁思考，请尝试 here 。他在演示文稿中讨论的功能已经更新，但哈德利在教授该主题方面做得很好:可以说是通过教学链。

更新的函数可以在他的ggplot2书中找到here 。