1 
    set.seed(0)
data = data.frame(ID = 1:1000, X1=runif(1000), X2=runif(1000), DROP1=sample(0:1,r=T),DROP2=sample(0:1,r=T),DROP3=sample(0:1,r=T))

说这是我的数据。我希望这样做：计算 DROP1 等于 1 的值的数量；然后统计 DROP1 等于 1 的情况中 DROP2 的值的个数；然后在 DROP2 等于 1 和 DROP1 等于 1 的情况下计算 DROP3 等于 1 的值的数量。我可以手动执行此操作，但我们的实际数据文件很大并且有 80+ DROP 变量。理想的输出只是看起来的打印输出：

DROP1, #
DROP2 (AFTER DROP1), #
DROP3 (AFTER DROP1 & DROP2), #
4

2 回答 2

2

这是一个选项base R，我们使用grep. 然后遍历这些序列，获取其中seq的那些，对数据列进行子集化，用于Reduce获取逻辑向量&（如果我们的所有列都为一行，则只有 TRUE，即 1=> TRUE, 0 => FALSE )，并获取sum这些元素中的返回计数

nm1 <- grep('^DROP', names(data), value = TRUE)
sapply(seq_along(nm1), function(i)  {i1 <- seq(i)
        sum(Reduce(`&`, data[nm1[i1]])) })
#[1] 503 249 137

或与data.table

library(data.table)
setDT(data)
lapply(seq_along(nm1), function(i) {
         i1 <- seq(i)
         data[, sum(Reduce(`&`, .SD)), .SDcols = nm1[i1]]

    })

数据

set.seed(0)
data <- data.frame(ID = 1:1000, X1=runif(1000), X2=runif(1000), 
           DROP1=sample(0:1,1000, replace = TRUE),
           DROP2=sample(0:1,1000, replace = TRUE),
           DROP3=sample(0:1,1000,replace = TRUE))
于 2020-10-23T22:46:04.703 回答
2

另一种选择：

set.seed(0)
data = data.frame(ID = 1:1000, X1=runif(1000), X2=runif(1000), DROP1=sample(0:1,1000,r=T),DROP2=sample(0:1,1000,r=T),DROP3=sample(0:1,1000,r=T))

tb <- table(data[,4:6])
tb
# , , DROP3 = 0
#      DROP2
# DROP1   0   1
#     0 108 126
#     1 118 112
# , , DROP3 = 1
#      DROP2
# DROP1   0   1
#     0 128 135
#     1 136 137
sum(tb[2,,])
# [1] 503
sum(tb[2,2,])
# [1] 249
sum(tb[2,2,2])
# [1] 137

证明，体力劳动：

sum(with(data, DROP1 == 1L))
# [1] 503
sum(with(data, DROP1 == 1L & DROP2 == 1L))
# [1] 249
sum(with(data, DROP1 == 1L & DROP2 == 1L & DROP3 == 1L))
# [1] 137
于 2020-10-23T22:47:25.233 回答