列を反復処理して、各行の前の2つの数値を合計します
Rには、列 'A'、 'B'、 'C'、 'D'のデータフレームがあります。列には100行あります。
列を反復処理して、その列の前の2行を合計するデータフレーム内のすべての行の計算を実行し、新しい列（ 'AA'、 'AB'など）にその合計を設定する必要があります。
A B C D
1 2 3 4
2 3 4 5
3 4 5 6
4 5 6 7
5 6 7 8
6 7 8 9
に
A B C D AA AB AC AD
1 2 3 4 NA NA NA NA
2 3 4 5 3 5 7 9
3 4 5 6 5 7 9 11
4 5 6 7 7 9 11 13
5 6 7 8 9 11 13 15
6 7 8 9 11 13 15 17
反復したい列（すべての列ではなく、選択した列）と設定したい列を設定できる関数/ループを作成する方法を誰かが説明できますか？
回答
baseワンライナー：
cbind(df, setNames(df + df[c(NA, 1:(nrow(df)-1)), ], paste0("A", names(df))))
データが大きい場合は、全体を操作するため、これが最速になる可能性がありますdata.frame。
dplyrを使用mutate()したソリューションacross()。
library(dplyr)
df %>%
mutate(across(A:D,
~ .x + lag(.x),
.names = "A{col}"))
# A B C D AA AB AC AD
# 1 1 2 3 4 NA NA NA NA
# 2 2 3 4 5 3 5 7 9
# 3 3 4 5 6 5 7 9 11
# 4 4 5 6 7 7 9 11 13
# 5 5 6 7 8 9 11 13 15
# 6 6 7 8 9 11 13 15 17
前の3行を合計する場合、の2番目の引数across()、つまり.fns、は次のようになります。
~ .x + lag(.x) + lag(.x, 2)
これは、rollsum()in zoo：の使用と同等です。
~ zoo::rollsum(.x, k = 3, fill = NA, align = 'right')
基準
10000行100列のmicrobenchmark新しいパッケージを使用したベンチマークテストで、data.frame各式を10回評価します。
# Unit: milliseconds
# expr min lq mean median uq max neval
# darren_base 18.58418 20.88498 35.51341 33.64953 39.31909 80.24725 10
# darren_dplyr_lag 39.49278 40.27038 47.26449 42.89170 43.20267 76.72435 10
# arg0naut91_dplyr_rollsum 436.22503 482.03199 524.54800 516.81706 534.94317 677.64242 10
# Grothendieck_rollsumr 3423.92097 3611.01573 3650.16656 3622.50895 3689.26404 4060.98054 10
ローリングサムでdplyr'sを使用across（およびオプションの名前を設定）できます（たとえば、で実装されているようにzoo）：
library(dplyr)
library(zoo)
df %>%
mutate(
across(
A:D,
~ rollsum(., k = 2, fill = NA, align = 'right'),
.names = 'A{col}'
)
)
出力：
A B C D AA AB AC AD
1 1 2 3 4 NA NA NA NA
2 2 3 4 5 3 5 7 9
3 3 4 5 6 5 7 9 11
4 4 5 6 7 7 9 11 13
5 5 6 7 8 9 11 13 15
6 6 7 8 9 11 13 15 17
A:D我々はに関数を適用したい列名の範囲を指定しました。上記の.names引数の前提は、Aプレフィックスと列名（{col}）として一緒に貼り付けることです。
これがdata.tableソリューションです。必要に応じて、すべての列だけでなく、適用する列を選択できます。
library(data.table)
x <- data.table(A=1:6, B=2:7, C=3:8, D=4:9)
selected_cols <- c('A','B','D')
new_cols <- paste0("A",selected_cols)
x[, (new_cols) := lapply(.SD, function(col) col+shift(col, 1)), .SDcols = selected_cols]
x[]
注意これは、他の最速の回答よりも2倍または3倍高速です。
これは、ネストされたforループを使用した単純なアプローチです。10万行を超える反復を行う場合は、非常に遅いことに注意してください。
i <- 1
n <- 5
df <- data.frame(A=i:(i+n), B=(i+1):(i+n+1), C=(i+2):(i+n+2), D=(i+3):(i+n+3))
for (col in colnames(df)) {
for (ind in 1:nrow(df)) {
if (ind-1==0) {next}
s <- sum(df[c(ind-1, ind), col])
df[ind, paste0('S', col)] <- s
}
}
それはcumsum方法です：
na.df <- data.frame(matrix(NA, 2, ncol(df)))
colnames(na.df) <- colnames(df)
cs1 <- cumsum(df)
cs2 <- rbind(cs1[-1:-2,], na.df)
sum.diff <- cs2-cs1
cbind(df, rbind(na.df[1,], cs1[2,], sum.diff[1:(nrow(sum.diff)-2),]))
基準：
# Unit: milliseconds
# expr min lq mean median uq max neval
# darrentsai.rbind 11.5623 12.28025 23.38038 16.78240 20.83420 91.9135 100
# darrentsai.rbind.rev1 8.8267 9.10945 15.63652 9.54215 14.25090 62.6949 100
# pseudopsin.dt 7.2696 7.52080 20.26473 12.61465 17.61465 69.0110 100
# ivan866.cumsum 25.3706 30.98860 43.11623 33.78775 37.36950 91.6032 100
ほとんどの場合、cumsumメソッドはdfの割り当てに浪費すると思います。data.tableバックエンドに正しく適合していれば、最速になる可能性があります。
必要な列を指定します。そのためのいくつかの異なる方法を示します。次に、を使用rollsumrして目的の列を取得し、列名を設定してcbindDFします。
library(zoo)
# jx <- names(DF) # if all columns wanted
# jx <- sapply(DF, is.numeric) # if all numeric columns
# jx <- c("A", "B", "C", "D") # specify columns by name
jx <- 1:4 # specify columns by position
r <- rollsumr(DF[jx], 2, fill = NA)
colnames(r) <- paste0("A", colnames(r))
cbind(DF, r)
与える：
A B C D AA AB AC AD
1 1 2 3 4 NA NA NA NA
2 2 3 4 5 3 5 7 9
3 3 4 5 6 5 7 9 11
4 4 5 6 7 7 9 11 13
5 5 6 7 8 9 11 13 15
6 6 7 8 9 11 13 15 17
注意
再現可能な形式の入力：
DF <- structure(list(A = 1:6, B = 2:7, C = 3:8, D = 4:9),
class = "data.frame", row.names = c(NA, -6L))