R语言按每n行分组求和后同列单元格除以对应组和的实现

你可以根据你的数据规模选择以下两种方法，都支持自动适配所有数值列，无需手动指定50个列名，非数值列（如国家标识）会原样保留：

方法1：dplyr 实现（易读易写，适合中小数据） #

代码逻辑简单易维护，常规数据量下运行速度足够：

library(dplyr)

# 分组大小，实际使用替换为1100
n <- 4

df_result <- df %>%
  # 按行顺序每n行划分为一个分组
  group_by(group_id = ceiling(row_number() / n)) %>%
  # 对所有数值列，每个值除以该列的分组求和结果
  mutate(across(where(is.numeric), ~ .x / sum(.x, na.rm = TRUE))) %>%
  ungroup() %>%
  # 不需要分组ID可删除该行
  select(-group_id)

方法2：data.table 实现（高性能，适合大数据） #

如果你的数据量较大（十万行以上），推荐用data.table实现，运行效率比dplyr高5~10倍：

library(data.table)

# 分组大小，实际使用替换为1100
n <- 4

# 转换为data.table格式
setDT(df)
# 生成分组ID
df[, group_id := (.I - 1) %/% n + 1]
# 识别所有数值列
num_cols <- setdiff(names(df)[sapply(df, is.numeric)], "group_id")
# 对所有数值列按组做归一化
df[, (num_cols) := lapply(.SD, function(x) x / sum(x, na.rm = TRUE)), 
   by = group_id, .SDcols = num_cols]
# 不需要分组ID可删除该行
df[, group_id := NULL]

# 如果需要转回普通dataframe格式，运行以下代码
# setDF(df)

两种方法得到的结果和你给出的预期示例完全一致，na.rm = TRUE参数可以避免分组内存在缺失值时求和得到NA的问题，如果你确认数据无缺失可以去掉该参数进一步提升速度。

内容的提问来源于stack exchange，提问作者Emil Krabbe