R语言：DataFrame每行定位最后一个1并添加汇总列及报错排查

需求 #

需要给由0和1构成的DataFrame每行添加三列汇总信息：

• SUM：该行0和1的总和
• LAST：该行最右侧1所在的列名
• LAST2：该列名的最后两个字符

示例数据 #

dat<- structure(list(BIRD = c("aaab", "aaam", "aawm", "abum", "aema" ), `2005` = c(0, 0, 1, 1, 1), `2006` = c(0, 0, 1, 1, 0), `2007` = c(0, 0, 0, 1, 0), `2008` = c(0, 0, 0, 1, 0), `2009` = c(0, 0, 1, 1, 0), `2010` = c(0, 0, 0, 1, 0), `2011` = c(1, 1, 1, 1, 1), `2012` = c(0, 0, 1, 1, 0)), row.names = c(NA, -5L), class = c("tbl_df", "tbl", "data.frame")) 

小数据集可行代码 #

针对上述小数据集，使用以下代码可提取每行最后一个1的列名：

colnames(dat[apply(dat, 1, function(x) max(which(x == 1)))])

返回结果：[1] "2011" "2011" "2012" "2012" "2011"

大数据集报错问题 #

将相同代码应用到217×64的大数据框data2months时，出现错误：

Error in `data2months[apply(data2months, 1, function(x) max(which(x == 1)))]`: ! Can't subset columns with `apply(data2months, 1, function(x) max(which(x == 1)))`. ✖ Can't convert from `j` <double> to <integer> due to loss of precision. 

通过str()查看，两个数据框结构相似，仅规模不同。

解决方案 #

方案1：修正类型转换问题 #

报错核心原因是apply返回的是double类型索引，大数据集下精度丢失导致无法转为列索引需要的integer类型，强制转换即可解决：

# 提取每行最后一个1的列索引并转为整数
last_col_idx <- apply(data2months, 1, function(x) as.integer(max(which(x == 1))))
# 获取对应列名
last_col_names <- colnames(data2months)[last_col_idx]

方案2：dplyr+tidyr向量化操作（更高效） #

对于大数据集，向量化操作比apply的逐行循环更高效，同时避免类型问题：

library(dplyr)
library(tidyr)

result <- data2months %>%
  # 计算SUM列（排除非数值列如BIRD）
  mutate(SUM = rowSums(across(where(is.numeric)))) %>%
  # 宽表转长表，方便按行筛选最后一个1
  pivot_longer(cols = -BIRD, names_to = "year", values_to = "value") %>%
  group_by(BIRD) %>%
  filter(value == 1) %>%
  slice_tail(n = 1) %>%
  select(BIRD, LAST = year) %>%
  # 合并回原表
  right_join(data2months, by = "BIRD") %>%
  # 提取列名最后两位
  mutate(LAST2 = substr(LAST, nchar(LAST)-1, nchar(LAST))) %>%
  # 调整列顺序（可选）
  select(BIRD, starts_with("20"), SUM, LAST, LAST2)

方案3：data.table操作（大数据最优解） #

如果数据集规模极大，data.table的操作速度优势明显：

library(data.table)

setDT(data2months)
# 计算每行数值列的和
data2months[, SUM := rowSums(.SD), .SDcols = is.numeric]
# 按行提取最后一个1的列名
data2months[, LAST := {
  cols <- names(.SD)[.SD == 1]
  if(length(cols) > 0) tail(cols, 1) else NA_character_
}, by = BIRD, .SDcols = is.numeric]
# 提取列名最后两位
data2months[, LAST2 := substr(LAST, nchar(LAST)-1, nchar(LAST))]

内容的提问来源于stack exchange，提问作者chill