如何检查某列由某些行组成的百分比

Question

我的 CSV 文件太大，无法在 Excel 中打开。在此文件中，我试图查看每列总和中有多少来自第 1、47:56 和 156:158 行。这不包括文件的前两列。行和列也有标题。该文件由大约 22,000 列和 210 行组成。

我试图查看哪些列从上述行中获得的总和超过 >.1%，然后删除这些列。

由于文件太大，我在加载文件时一直使用 vroom 而不是 readr。

文件设置示例：

  H e a d e r           A1    A2    A3    A4    A5    A6
H    1    sample a     1     0     0     13    0     9
e    2    sample b     4     0     0     8     312   24
a    3    sample c     0     20    0     49    0     17
d    4    sample d     2     0     213   18    56    3
e    5    sample e     5     4     0     10    94    62
r    6    sample f     9     87    0     2     33    90

代码：

library(dplyr)

library(vroom)


myData <- vroom("File.csv")

myData$newRow <- 100*(colSums(myData[-1, -2])/rowSums(myData[1, 47:56, 156:158]))

我试图创建一个新行，其百分比为（每列的总和，除了 1 和 2）/（称为行的总和）。这是我收到的最新错误消息，也是我无法理解的错误消息：

> myData$newRow <- 100*(colSums(myData[-1, -2])/rowSums(myData[1, 47:56, 156:158]))
Error:
! Assigned data `100 * ...` must be compatible with existing data.
✖ Existing data has 200 rows.
✖ Assigned data has 21941 rows.
ℹ Only vectors of size 1 are recycled.
Run `rlang::last_trace()` to see where the error occurred.
Warning message:
In drop && length(xo) == 1L :
  'length(x) = 3 > 1' in coercion to 'logical(1)'

如有任何建议，我们将不胜感激。谢谢。

Answer 1

您离答案并不遥远，但您当前的方法存在一些问题：

1. myData$newRow <-

   将创建一个新的列，而不是新行。我建议像

   myData[nrow(myData)+1, ] <-

   那样向数据添加新行。
2. 当使用

   [ ]

   从数据框中选择行或列时，不同的范围应包含在

   c()

   中，否则 R 认为它们是不同的维度。
3. 您应该在两个计算中使用

   colSums()

   ，

   rowSums

   将获得行的总计，这不是这里所需要的。
4. 列子集

   c(-1, -2)

   应该出现在两个计算中（并且位于

   <-

   的左侧）。
5. 除法计算顺序错误。

所以：

myData[nrow(myData) + 1, c(-1, -2)] <- 100 * colSums(myData[c(1, 47:56, 156:158), c(-1, -2)]) / colSums(myData[, c(-1, -2)])