如何在R中处理多索引数据并按分组生成指定汇总行？

用Python的pandas库可以轻松实现这个需求，步骤如下：

1. 准备数据
   假设你的数据已经读取为pandas的DataFrame，示例代码如下：

   import pandas as pd
   
   # 示例数据（实际替换成你的数据读取逻辑，比如pd.read_csv）
   data = {
       'case': [1,1,1,1,1,2,2,2,2,2,3,3,3,3,3],
       'question': [1,2,3,4,5,1,2,3,4,5,1,2,3,4,5],
       'rater1': [1,1,1,1,0,0,1,1,1,0,0,1,1,1,0],
       'rater2': [1,0,1,1,0,1,1,1,0,0,0,0,1,1,1]
   }
   df = pd.DataFrame(data)
   

2. 定义分组处理函数
   对每个case分组，生成A、B汇总行并合并到原数据：

   def add_summary_rows(group):
       # 生成A行：问题1-3的rater1、rater2求和
       row_a = pd.DataFrame({
           'case': [group['case'].iloc[0]],
           'question': ['A'],
           'rater1': [group[group['question'].isin([1,2,3])]['rater1'].sum()],
           'rater2': [group[group['question'].isin([1,2,3])]['rater2'].sum()]
       })
       # 生成B行：问题4-5的rater1、rater2求和
       row_b = pd.DataFrame({
           'case': [group['case'].iloc[0]],
           'question': ['B'],
           'rater1': [group[group['question'].isin([4,5])]['rater1'].sum()],
           'rater2': [group[group['question'].isin([4,5])]['rater2'].sum()]
       })
       # 合并原组数据和A、B行
       return pd.concat([group, row_a, row_b], ignore_index=True)
   

3. 应用分组函数并整理结果

   # 按case分组处理
   result_df = df.groupby('case').apply(add_summary_rows).reset_index(drop=True)
   # 排序确保每个case内原问题在前，A、B在后
   result_df['sort_key'] = result_df['question'].apply(lambda x: 0 if isinstance(x, int) else 1 if x == 'A' else 2)
   result_df = result_df.sort_values(by=['case', 'sort_key']).drop('sort_key', axis=1)
   

4. 查看结果
   打印result_df即可得到目标格式，每个case末尾会自动追加A、B两行汇总数据。

内容的提问来源于stack exchange，提问作者miguel