按行具有相同名稱的列的行總和

Question

我有一個數據框，其中幾列可能具有相同的名稱。 在這個小例子中，列“A”和“G”都出現兩次：

    A  C  G  A  G  T
1   1 NA NA NA  1 NA
2   1 NA  5  3  1 NA
3  NA  1 NA NA NA  1
4  NA NA  1  2 NA NA
5  NA NA  1  1 NA NA
6  NA  1 NA NA NA  1
7  NA  1 NA NA NA  1

我希望創建一個每列名稱一列的數據集。 對於每一行，單個列值應替換為每個列名稱中值的總和（ sum(..., na.rm = TRUE) ）。 例如，在第二行中，兩個單獨的“A”值（ 1和3 ）應替換為4 。 我事先並不知道多次出現哪些列名。

預期的輸出將是：

#     A  C  G  T
# 1   1  0  1  0
# 2   4  0  6  0
# 3   0  1  0  1
# 4   2  0  1  0
# 5   1  0  1  0
# 6   0  1  0  1
# 7   0  1  0  1

所以我想我可以這樣做：

noms = colnames(dat)
for(x in noms[duplicated(noms)]) {
  dat[ , x] = rowSums(dat[ , x == noms], na.rm = TRUE)
}
dat = dat[,!duplicated(noms)]

但這有點笨拙，因為循環意味着邪惡。 有沒有辦法更簡單地做到這一點？

Answer 1

我們可以轉置dat ，計算rowsum （原始dat colnames ），然后將結果轉換回原始結構。

t(rowsum(t(dat), group = colnames(dat), na.rm = T))
#  A C G T
#1 1 0 1 0
#2 4 0 6 0
#3 0 1 0 1
#4 2 0 1 0
#5 1 0 1 0
#6 0 1 0 1
#7 0 1 0 1

Answer 2

我們可以使用名稱拆分數據框split.default和使用采取逐行總和rowSums創建每個唯一名稱一個欄。

sapply(split.default(df, names(df)), rowSums, na.rm = TRUE)

#  A C G T
#1 1 0 1 0
#2 4 0 6 0
#3 0 1 0 1
#4 2 0 1 0
#5 1 0 1 0
#6 0 1 0 1
#7 0 1 0 1