1

我在 R 中有一个数据框，其中的值对应于值估计及其误差范围(MoE)。

列名由模式、指示符字符（e = 估计，m = 误差范围）和匹配估计值和误差范围的ID组成。
因此，列名看起来像“XXXe1, XXXm1, XXXe2, XXXm2, ...”。

目标

我正在尝试创建一个函数（对于每一行）

  1. 计算估计值的总和。（这很简单。）

  2. 计算总误差。这是每个 MoE 的平方和的平方根。

  3. 条件：标记为 0 的估计的 MoE 只能添加一次。

例子：

  • 在第 20 行，聚合的 MoE 应该只有sqrt(123^2).
  • 在第 13 行，B01001e4 和 B01001e5 为 0，因此它们的 MoE 只计算一次。

到目前为止，我已经完成了以下操作来构建一个执行此操作的函数：

estimate_aggregator <- function(DF_to_write_on, New_column_name, source_df, pattern){

  subset_df <- source_df[, grepl(pattern, names(source_df))] # I subset all the columns named with the pattern, regardless of whether they are estimate or margin of error
  subset_df_e <- source_df[, grepl(paste0(pattern, "e"), names(source_df))] # I create a table with only the estimated values to perform the sum

  DF_to_write_on[paste0(New_column_name, "_e")]<- rowSums(subset_df_e) # I write a new column in the new DF with the rowSums of the estimates values, having calculated the new estimate

  return(DF)
}

我缺少什么：一种在新数据框中写入选择相应估计中没有 0 值的列的 XXXmYY 值的结果的方法。如果估计中有一个或多个 0，那么我应该在计算中只包含一次 MoE 123。

实现这一目标的最干净的方法是什么？我看到我的斗争是同时处理几列，而 XXXeYY 列上的值决定了 XXXmYY 列的选择。

预期产出

row1: DF_to_write_on[paste0(New_column_name,"_m") <- sqrt(176^2 + 117^2+22^2 + 123^2)
row2: DF_to_write_on[paste0(New_column_name,"_m") <- sqrt(123^2)

   B01001e1 B01001m1 B01001e2 B01001m2 B01001e3 B01001m3 B01001e4 B01001m4 B01001e5 B01001m5
15      566      176      371      117       14       22        0      123        0      123
20        0      123        0      123        0      123        0      123        0      123

数据

structure(list(B01001e1 = c(1691L, 2103L, 975L, 2404L, 866L, 
2140L, 965L, 727L, 1602L, 1741L, 948L, 1771L, 1195L, 1072L, 566L, 
1521L, 2950L, 770L, 1624L, 0L), B01001m1 = c(337L, 530L, 299L, 
333L, 264L, 574L, 227L, 266L, 528L, 498L, 320L, 414L, 350L, 385L, 
176L, 418L, 672L, 226L, 319L, 123L), B01001e2 = c(721L, 1191L, 
487L, 1015L, 461L, 1059L, 485L, 346L, 777L, 857L, 390L, 809L, 
599L, 601L, 371L, 783L, 1215L, 372L, 871L, 0L), B01001m2 = c(173L, 
312L, 181L, 167L, 170L, 286L, 127L, 149L, 279L, 281L, 152L, 179L, 
193L, 250L, 117L, 234L, 263L, 155L, 211L, 123L), B01001e3 = c(21L, 
96L, 70L, 28L, 33L, 90L, 12L, 0L, 168L, 97L, 72L, 10L, 59L, 66L, 
14L, 0L, 35L, 47L, 14L, 0L), B01001m3 = c(25L, 71L, 73L, 26L, 
33L, 79L, 18L, 123L, 114L, 79L, 59L, 15L, 68L, 99L, 22L, 123L, 
31L, 37L, 20L, 123L), B01001e4 = c(30L, 174L, 25L, 91L, 4L, 27L, 
30L, 43L, 102L, 66L, 54L, 85L, 0L, 16L, 0L, 26L, 34L, 27L, 18L, 
0L), B01001m4 = c(26L, 148L, 30L, 62L, 9L, 27L, 25L, 44L, 82L, 
52L, 46L, 48L, 123L, 21L, 123L, 40L, 33L, 32L, 27L, 123L), B01001e5 = c(45L, 
44L, 7L, 46L, 72L, 124L, 45L, 34L, 86L, 97L, 0L, 83L, 0L, 30L, 
0L, 66L, 0L, 23L, 33L, 0L), B01001m5 = c(38L, 35L, 12L, 37L, 
57L, 78L, 36L, 37L, 62L, 97L, 123L, 50L, 123L, 42L, 123L, 59L, 
123L, 31L, 49L, 123L)), .Names = c("B01001e1", "B01001m1", "B01001e2", 
"B01001m2", "B01001e3", "B01001m3", "B01001e4", "B01001m4", "B01001e5", 
"B01001m5"), row.names = c(NA, 20L), class = "data.frame")
4

1 回答 1

2

根据您的描述，听起来您所需的输出应该有 2 列，估计的行总和，以及使用您描述的逻辑的错误行边距函数。这是该问题的一个（有点迂回）解决方案。

我将您的数据保存为df.

# Isolate estimate and MoE dataframes
df_e <- df[,grepl('e', names(df))]
df_m <- df[,grepl('m', names(df))]

# Temporary matrix used to isolate 0 values for MoE, count number of zero occurances, and convert those MoE values to NA
mat <- df_e == 0
mat <- t(apply(mat, 1, cumsum))
df_m[mat > 1] = NA


# Combine with estimate row sum
output_df <- data.frame(
  e = rowSums(df[,grepl('e', names(df))]),
  m = apply(df_m, 1, function(x) sqrt(sum(x^2, na.rm = T)))
)

head(output_df)
     e        m
1 2508 382.4173
2 3608 637.5061
3 1564 358.5178
4 3584 380.3512
5 1436 320.9595
6 3440 651.4031
于 2018-12-19T22:40:41.387 回答