在DataFrame中合并重复列并求和，保留唯一行

问题描述 #

我原本以为这是个简单任务，但未找到非基于列条件行求和的示例。需求是：将DataFrame中带.1/.2/.3后缀的重复列求和合并，同时保留原唯一行。

输入数据 #

# 输入DataFrame结构
df <- structure(list(MKC100.1 = c(0L, 1183L, 493L, 43735L, 0L, 59L), 
    MKC100.2 = c(0L, 1666L, 626L, 51511L, 0L, 58L), MKC100.3 = c(0L, 
    1318L, 543L, 46876L, 0L, 82L), MKC103.1 = c(0L, 0L, 10L, 
    0L, 2795L, 0L), MKC103.2 = c(0L, 0L, 0L, 0L, 1128L, 0L), 
    MKC103.3 = c(0L, 0L, 0L, 0L, 1956L, 0L), MKC104.2 = c(0L, 
    10L, 5L, 1L, 1L, 0L), MKC104.3 = c(1L, 20L, 5L, 0L, 1L, 0L
    )), class = "data.frame", row.names = c("299fc0ac11fb4afd0da849a2c45583b3", 
"9bc2bacdfadf4c1352ffbc991803287c", "38b782d9f01c69c3570fe0edd5864dc0", 
"6d078397349f7d39c34d237a6ef4cb75", "c22e752b441ee4190f27a3690c5d1206", 
"f6513affb198fb9845741b61ece8db4b"))

# 输入数据表格展示
#                                 MKC100.1 MKC100.2 MKC100.3 MKC103.1 MKC103.2 MKC103.3 MKC104.2 MKC104.3
# 299fc0ac11fb4afd0da849a2c45583b3        0        0        0        0        0        0        0        1
# 9bc2bacdfadf4c1352ffbc991803287c     1183     1666     1318        0        0        0       10       20
# 38b782d9f01c69c3570fe0edd5864dc0      493      626      543       10        0        0        5        5
# 6d078397349f7d39c34d237a6ef4cb75    43735    51511    46876        0        0        0        1        0
# c22e752b441ee4190f27a3690c5d1206        0        0        0     2795     1128     1956        1        1
# f6513affb198fb9845741b61ece8db4b       59       58       82        0        0        0        0        0

期望输出 #

#                                 MKC100 MKC103 MKC104
# 299fc0ac11fb4afd0da849a2c45583b3     0      0      1
# 9bc2bacdfadf4c1352ffbc991803287c  4167      0     30
# 38b782d9f01c69c3570fe0edd5864dc0  1662     10     10
# 6d078397349f7d39c34d237a6ef4cb75 142122      0      1
# c22e752b441ee4190f27a3690c5d1206     0   5879      2
# f6513affb198fb9845741b61ece8db4b   199      0      0

补充说明 #

有时部分重复列会缺失，即便不全仍需合并剩余重复列。

解决方案 #

方法一：使用tidyverse工具链 #

通过dplyr和tidyr实现列的转置、分组求和与重塑，兼容缺失列的情况：

library(dplyr)
library(tidyr)

result <- df %>%
  rownames_to_column("row_id") %>%  # 保留原行名
  pivot_longer(-row_id, names_to = "col_name", values_to = "value") %>%  # 转长格式
  mutate(col_prefix = sub("\\.\\d+$", "", col_name)) %>%  # 提取列前缀（移除.1/.2/.3）
  group_by(row_id, col_prefix) %>%  # 按行和前缀分组
  summarise(total = sum(value), .groups = "drop") %>%  # 组内求和
  pivot_wider(names_from = col_prefix, values_from = total) %>%  # 转回宽格式
  column_to_rownames("row_id")  # 恢复原行名

print(result)

方法二：使用Base R #

无需额外包，通过字符串处理和循环实现：

# 获取所有唯一的列前缀
prefixes <- unique(sub("\\.\\d+$", "", colnames(df)))

# 对每个前缀对应的列按行求和
result_base <- sapply(prefixes, function(p) {
  # 匹配当前前缀的所有列，drop=FALSE避免单列时转为向量
  rowSums(df[, grepl(paste0("^", p, "\\."), colnames(df)), drop = FALSE])
})

# 转换为DataFrame并保留原行名
result_base <- as.data.frame(result_base)
rownames(result_base) <- rownames(df)

print(result_base)

两种方法均能处理部分重复列缺失的场景，输出结果与期望一致。

内容的提问来源于stack exchange，提问作者Katherine Chau