如何对R数据框中指定层级对应的向量值求和？

问题描述 #

我有一个数据框，SITUATION列包含三种值：UNMET（未满足）、FULLY MET（完全满足）、PARTIALLY MET（部分满足）。需要对FULLY MET和PARTIALLY MET这两类的TOTAL列求和，不想额外创建新列区分“已满足”和“未满足”。

尝试的错误代码 #

SITUATION <- rep(c("UNMET", "FULLY MET", "PARTIALLY MET"),8)
BLOCK <- rep( 1:8, each = 3, len = 24 )

TOTAL <- floor(runif(24, min=2, max=32))

df <- as.data.frame(cbind(SITUATION, BLOCK, TOTAL))

agg_df <- aggregate(df$TOTAL, by=list(grepl(c("FULLY MET", "PARTIALLY MET"),
                    df$ATENDENCE)), FUN=sum)

报错信息 #

Error in aggregate.data.frame(as.data.frame(x), ...) :
arguments must have the same length
In addition: Warning message:
In grepl(c("FULLY MET", "PARTIALLY MET"), df$ATENDENCE) :
argument 'pattern' has length > 1 and only the first element will be used

错误原因分析 #

1. 列名拼写错误：代码里的df$ATENDENCE是笔误，实际应该是df$SITUATION，引用不存在的列导致后续逻辑出错；
2. grepl参数使用错误：grepl的pattern参数不能直接传字符向量，它只会取第一个元素（仅匹配"FULLY MET"），无法同时匹配两个目标类别；
3. 数据类型问题：用cbind创建的数据框会把所有列转成字符类型，TOTAL列是字符格式，直接求和会失败。

正确解决方案 #

方法1：base R的aggregate函数实现

# 修正TOTAL列的数据类型为数值型
df$TOTAL <- as.numeric(df$TOTAL)

# 用%in%生成等长逻辑分组向量，直接汇总
agg_df <- aggregate(TOTAL ~ I(SITUATION %in% c("FULLY MET", "PARTIALLY MET")), 
                    data = df, FUN = sum)

# 重命名列让结果更直观
colnames(agg_df) <- c("是否已满足", "TOTAL总和")

方法2：dplyr（tidyverse）语法实现

如果习惯用tidyverse生态，代码更简洁易读：

library(dplyr)

df %>%
  mutate(TOTAL = as.numeric(TOTAL)) %>%
  group_by(是否已满足 = SITUATION %in% c("FULLY MET", "PARTIALLY MET")) %>%
  summarise(TOTAL总和 = sum(TOTAL))

补充：grepl的替代写法

如果一定要用grepl，可以把两个模式用|连接，效果和%in%一致：

agg_df <- aggregate(TOTAL ~ I(grepl("FULLY MET|PARTIALLY MET", SITUATION)), 
                    data = df, FUN = sum)

内容的提问来源于stack exchange，提问作者Kledson Lemes