如何基于变量特定条件对R数据框行进行条件求和？

问题背景 #

先看你用到的数据集代码（已修正原代码里var5_zcore的拼写错误）：

set.seed(123)
data <- data.frame(var1_zscore = rnorm(100),
             var2_zscore = rnorm(100),
             var3_zscore = rnorm(100),
             var4_zscore = rnorm(100),
             var5_zscore = rnorm(100))

你的需求是为每行计算符合以下条件的变量绝对值之和，结果存入row_sum列：

• 若var1_zscore <= -1，加入其绝对值；
• 若var2_zscore <= -1 或 >=1，加入其绝对值；
• 若var3_zscore >=1，加入其绝对值；
• 若var4_zscore >=1，加入其绝对值；
• 若var5_zscore <= -1 或 >=1，加入其绝对值。

举个例子，数据集第一行数据：

该行只有var3_zscore符合条件，所以row_sum应为2.19881035。

你尝试的代码如下：

data$row_sum<- rowSums(abs(data[,c((which(data$var1_zscore <= -1)),
                                    (which(data$var2_zscore <= -1 | data$var2_zscore >= 1)),
                                    (which(data$var3_zscore >= 1)),
                                    (which(data$var4_zscore >= 1)),
                                    (which(data$var5_zscore <= -1 | data$var5_zscore >= 1))
                                    )], na.rm = TRUE))

得到错误提示：ERROR: Can't subset columns past the end.

问题原因 #

你用which()的逻辑完全错了：which()返回的是满足条件的行索引，但你却用它来筛选数据框的列——你的数据集只有5列，而行索引最大是100，自然会出现"列索引超出范围"的错误。

解决方案 #

正确的思路是：为每个变量生成符合条件的数值（不符合条件的设为0），再对这些数值按行求和。下面提供几种可行的方法：

方法1：逐变量处理后直接相加 #

这种方式直观易懂，适合新手：

# 对每个变量按条件处理，不符合的置为0
var1_processed <- ifelse(data$var1_zscore <= -1, abs(data$var1_zscore), 0)
var2_processed <- ifelse(data$var2_zscore <= -1 | data$var2_zscore >= 1, abs(data$var2_zscore), 0)
var3_processed <- ifelse(data$var3_zscore >= 1, abs(data$var3_zscore), 0)
var4_processed <- ifelse(data$var4_zscore >= 1, abs(data$var4_zscore), 0)
var5_processed <- ifelse(data$var5_zscore <= -1 | data$var5_zscore >= 1, abs(data$var5_zscore), 0)

# 计算每行的总和
data$row_sum <- var1_processed + var2_processed + var3_processed + var4_processed + var5_processed

方法2：用dplyr的行处理语法（tidyverse风格） #

如果你习惯用tidyverse工具包，可以用rowwise()实现更简洁的代码：

library(dplyr)

data <- data %>%
  rowwise() %>%
  mutate(row_sum = sum(
    ifelse(var1_zscore <= -1, abs(var1_zscore), 0),
    ifelse(var2_zscore <= -1 | var2_zscore >= 1, abs(var2_zscore), 0),
    ifelse(var3_zscore >= 1, abs(var3_zscore), 0),
    ifelse(var4_zscore >= 1, abs(var4_zscore), 0),
    ifelse(var5_zscore <= -1 | var5_zscore >= 1, abs(var5_zscore), 0),
    na.rm = TRUE
  )) %>%
  ungroup()

方法3：向量化批量处理（高效） #

这种方式利用R的向量化特性，处理大数据集时速度更快：

# 先复制所有变量的绝对值
abs_data <- abs(data)

# 按条件将不符合的数值置为0
abs_data$var1_zscore[data$var1_zscore > -1] <- 0
abs_data$var2_zscore[data$var2_zscore > -1 & data$var2_zscore < 1] <- 0
abs_data$var3_zscore[data$var3_zscore < 1] <- 0
abs_data$var4_zscore[data$var4_zscore < 1] <- 0
abs_data$var5_zscore[data$var5_zscore > -1 & data$var5_zscore < 1] <- 0

# 计算每行的总和
data$row_sum <- rowSums(abs_data, na.rm = TRUE)

运行任意一种方法后，第一行的row_sum都会是2.19881035，符合你的预期。

内容的提问来源于stack exchange，提问作者burphound