如何基于列名分类规则计算DataFrame的行合计？

核心思路 #

用分类映射表关联子列和目标主列，后续新增同类别列只需要更新映射表，彻底告别一堆if语句。

具体实现 #

1. 定义分类映射 #

用命名向量存储映射关系，键是需要合并的子列名，值是对应的目标主列名：

category_map <- c(
  Facebook = "Social",
  Instagram = "Social", # 后续新增同类别列直接在这里追加
  Newspaper = "Print"
)

注意：主列（比如Social、Print）不需要写在映射的键中，它们本身就是最终要保留的列。

2. 基础R实现 #

先提取所有需要保留的主列，再将每个子列的值累加到对应主列，最后移除子列：

# 获取所有主列：原表中不在映射里的列 + 映射的目标列
main_cols <- unique(c(names(df_media)[!names(df_media) %in% names(category_map)], category_map))

# 初始化结果DataFrame
df_result <- df_media[, main_cols, drop = FALSE]

# 遍历映射表，累加子列到对应主列
for (sub_col in names(category_map)) {
  main_col <- category_map[sub_col]
  df_result[[main_col]] <- df_result[[main_col]] + df_media[[sub_col]]
}

# 查看最终结果
df_result

3. dplyr简洁实现 #

如果习惯用tidyverse工具链，代码会更清爽：

library(dplyr)
library(tidyr)

# 给每列分配对应的分类标签
col_categories <- ifelse(names(df_media) %in% names(category_map), 
                         category_map[names(df_media)], 
                         names(df_media))

# 按行、按分类求和并重构宽表
df_result <- df_media %>%
  mutate(row_id = row_number()) %>% # 添加行号避免跨行求和
  pivot_longer(-row_id, names_to = "col", values_to = "value") %>%
  mutate(category = col_categories[col]) %>%
  group_by(row_id, category) %>%
  summarise(total = sum(value), .groups = "drop") %>%
  pivot_wider(names_from = category, values_from = total) %>%
  select(-row_id)

df_result

测试结果 #

用你提供的测试数据运行后，结果如下：

TV Display Social Print
1  200      30     50   110
2  500      33     52   112
3  700      47     54   114
4 1000      55     56   116

完全符合需求：Social列是原Social与Facebook的和，Print列是原Print与Newspaper的和，其余列保持不变。

扩展性说明 #

后续如果新增同类别列（比如TikTok属于Social），只需要在category_map中追加一行TikTok = "Social"，代码无需任何修改，直接运行就能自动完成合并，灵活性拉满。

内容的提问来源于stack exchange，提问作者setX