在 Excel 中创建 SUMIF function 的等价物

Question

我有一组由最佳变量选择算法选择的回归量（在总共 30 个候选回归量列中）在如下所示的数据集上运行：

> IVs_Selected_by_LASSO
$coefficients
[1] "X4"  "X10" "X19" "X20" "X22" "X25" "X27" "X28"

而且，我还在描述该数据集的结构方程中包含了一组实际回归量，最初看起来如下所示：

True_IVs
  X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15 X16 X17 X18 X19 X20
1  0  0  0  1  0  0  0  0  0   1   0   0   1   0   0   0   0   0   1   1
  X21 X22 X23 X24 X25 X26 X27 X28 X29 X30
1   0   1   0   0   1   1   1   1   0   1


dput(True_IVs)
structure(list(X1 = "0", X2 = "0", X3 = "0", X4 = "1", X5 = "0", 
    X6 = "0", X7 = "0", X8 = "0", X9 = "0", X10 = "1", X11 = "0", 
    X12 = "0", X13 = "1", X14 = "0", X15 = "0", X16 = "0", X17 = "0", 
    X18 = "0", X19 = "1", X20 = "1", X21 = "0", X22 = "1", X23 = "0", 
    X24 = "0", X25 = "1", X26 = "1", X27 = "1", X28 = "1", X29 = "0", 
    X30 = "1"), row.names = 1L, class = "data.frame")

然而，使用我问过的一个中间问题的答案，我希望谁的答案能让我最终问出我正在问的这个当前问题，我能够将真正的结构回归量转换成一种能够在逻辑上与格式 IVs_Selected_by_LASSO 已经在如下：

True_Regressors <- names(True_IVs)[True_IVs == 1]
> True_Regressors 
[1] "X4"  "X10" "X13" "X19" "X20" "X22" "X25" "X26" "X27" "X28" "X30"

我是一个经验丰富的 Excel 用户，肯定比 R 有更多的经验，如果我有包含这些信息的列或行，我可能会使用 SUMIF 或 IF function（列底部有一个 AUTOSUM 作为你这样做）来解决这个问题，但我无法弄清楚如何在 R 中为我的生活做同样的事情。

例如，如果我要执行 IF+AUTOSUM 解决方案并假装打印 True_IVs 的 output 在我的 Excel 中的 A 列中，在 B 列中使用 IVs_Selected_by_LASSO，我会使用

=IF(A1 = B1, 1, 0)

由于 A1 是 X4，B1 也是，如果我在 C 列中将此 IF function 放在它们旁边，我将在单元格 C1 中得到 1。 在 C 列底部应用 AUTOSUM function 后，我会得到 8。

因此，对于这个例子，我想得到一个返回 8 的 function，因为 True_IVs 包含 LASSO 回归选择的所有 8 个变量。 此外，对于此示例，最大可能数为 11，因为 True_IVs 包含 11 个变量名，因此很明显，IVs_Selected_by_LASSO 只能希望获得最多 11 个匹配项。

Answer 1

正如其他人和我自己在评论中提到的那样，您有多种选择，但这里的问题似乎是 Excel 逻辑和 R 逻辑之间的脱节，因此我将尝试提供更详细的见解作为正式答案。

如您所知，您的 excel 代码：

=IF(A1 = B1, 1, 0)

将检查A1中的单个单元格以查看它是否等于单个单元格B1 ，并且可以向下复制。

如果通过names(True_IVs)获取数据框True_IVs （有 30 列）的列名向量，并将其视为所有 30 个列名被复制并粘贴到 excel 中的一个列中，我们可以将这些名称与另一个进行检查名称向量 - 这里IVs_Selected_by_LASSO$coefficients 。 除了one-cell-vs-one-cell 我们可以使用%in%检查名称是否出现在整个向量中：

names(True_IVs) %in% IVs_Selected_by_LASSO$coefficients

它检查names(True_IVs)中的每个值是否在IVs_Selected_by_LASSO$coefficients中的任何值中。 因此，例如，如果names(True_IVs)中的第一个值在IVs_Selected_by_LASSO$coefficients中的任何位置，它将返回TRUE ，否则它将返回FALSE 。 在整个向量上运行它会返回长度为 30 的 boolean 向量：

# [1] FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE
# [13] FALSE FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE FALSE  TRUE FALSE FALSE
# [25]  TRUE FALSE  TRUE  TRUE FALSE FALSE

which 的值对应于是否在IVs_Selected_by_LASSO$coefficients向量中的任何位置找到names(True_IVs)中的每个元素。

其次，如评论中所述，当对 R 求和时假定TRUE == 1和FALSE == 0 ，因此将其包装在一个sum中将返回包含的总数：

sum(names(True_IVs) %in% IVs_Selected_by_LASSO$coefficients)
# [1] 8

这提供了更大的灵活性，尤其是在值乱序的情况下。 例如，如果我们将值打乱为随机顺序：

IVs_Selected_by_LASSO$coefficients <- sample(IVs_Selected_by_LASSO$coefficients, length(IVs_Selected_by_LASSO$coefficients))

我们得到相同的结果：

sum(names(True_IVs) %in% IVs_Selected_by_LASSO$coefficients)
# [1] 8

---

当然还有多种其他方法可以做到这一点，例如@G。 Grothendieck 优雅地提到使用length和intersect ：

length(intersect(IVs_Selected_by_LASSO$coefficients, names(True_IVs))) # Thanks G. Grothendieck
# [1] 8

或者更不优雅地使用length with names(True_IVs)而不是sum ：

length(names(True_IVs)[names(True_IVs) %in% IVs_Selected_by_LASSO$coefficients])
# [1] 8

希望这可以帮助！

Answer 2

如果您尝试计算IVs_Selected_by_LASSO$coefficients和True_Regressors的元素数量，则

length(intersect(IVs_Selected_by_LASSO$coefficients, True_Regressors)) 

intersect不要求 arguments 的内容顺序相同。

请注意，有一个名为ExcelFunctionsR的 R package，如果您用谷歌搜索R SUMIF ，您也会得到一些结果。

Answer 3

粗略重现您的示例并应用sum() function 和%in%运算符：

    > IVs_Selected_by_LASSO <- c("X4", "X10", "X19", "X20", "X22",  "X25", 
                                 "X27", "X28")
    > head(IVs_Selected_by_LASSO)
    [1] "X4"  "X10" "X19" "X20" "X22" "X25"
    > 
    > True_IVs <- data.frame(X = c('X1', 'X2', 'X3', 'X4', 'X5', 'X6', 
                                   'X7', 'X8', 'X9', 'X10', 'X11', 'X12', 
                                   'X13', 'X14', 'X15', 'X16', 'X17', 
                                   'X18','X19', 'X20', 'X21', 'X22', 'X23', 
                                   'X24', 'X25', 'X26', 'X27', 'X28', 
                                   'X29','X30'), 
                             Y = c(0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 1, 
                                   0, 0, 0, 0, 0, 1, 1, 0, 1, 0, 0, 1, 1, 
                                   1, 1, 0, 1))
    > head(True_IVs)
       X Y
    1 X1 0
    2 X2 0
    3 X3 0
    4 X4 1
    5 X5 0
    6 X6 0
    > 
    > sum(True_IVs$X %in% IVs_Selected_by_LASSO$X)
    [1] 8