在数据分析中,我们经常需要列总计,尤其是在我们希望逐步进行分析的情况下。在很多分析技术中,我们可以找到列总计,例如方差分析,相关性,回归等。要查找列总计,我们可以使用colSums函数,并使用单个方括号将这些总计放置在列中。数据框。
请看以下数据帧-
> x1<-1:20 > x2<-1:20 > x3<-1:20 > df1<-data.frame(x1,x2,x3) > df1
输出结果
x1 x2 x3 1 1 1 1 2 2 2 2 3 3 3 3 4 4 4 4 5 5 5 5 6 6 6 6 7 7 7 7 8 8 8 8 9 9 9 9 10 10 10 10 11 11 11 11 12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20 20
> df1["Total",]<-colSums(df1) > df1
输出结果
x1 x2 x3 1 1 1 1 2 2 2 2 3 3 3 3 4 4 4 4 5 5 5 5 6 6 6 6 7 7 7 7 8 8 8 8 9 9 9 9 10 10 10 10 11 11 11 11 12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20 20 Total 210 210 210
> x1<-rpois(20,1) > x2<-rpois(20,2) > x3<-rpois(20,5) > df2<-data.frame(x1,x2,x3) > df2
输出结果
x1 x2 x3 1 0 4 3 2 3 2 1 3 1 4 7 4 1 3 5 5 1 3 7 6 1 0 6 7 0 0 7 8 1 2 5 9 0 1 7 10 3 3 6 11 0 1 5 12 2 1 6 13 0 0 7 14 0 2 3 15 0 4 3 16 1 1 3 17 2 3 6 18 1 2 5 19 1 3 4 20 0 2 1
> df2["Total",]<-colSums(df2) > df2
输出结果
x1 x2 x3 1 0 4 3 2 3 2 1 3 1 4 7 4 1 3 5 5 1 3 7 6 1 0 6 7 0 0 7 8 1 2 5 9 0 1 7 10 3 3 6 11 0 1 5 12 2 1 6 13 0 0 7 14 0 2 3 15 0 4 3 16 1 1 3 17 2 3 6 18 1 2 5 19 1 3 4 20 0 2 1 Total 18 41 97
> x1<-rnorm(20,0.5) > x2<-rnorm(20,1.5) > x3<-rnorm(20,2.5) > df3<-data.frame(x1,x2,x3) > df3
输出结果
x1 x2 x3 1 0.6164833 0.47429064 3.5166292 2 2.0596947 1.10363170 3.4169209 3 1.5354324 1.96449893 1.7139730 4 -0.3155407 0.06443867 4.0183405 5 1.0863162 1.85855640 1.8751935 6 1.4546097 2.27657919 1.6122213 7 2.0087382 1.74009432 2.5015685 8 -0.3410458 2.41762264 2.9820183 9 -0.2868343 1.13547227 4.3164365 10 -1.0235788 2.14507250 2.3995348 11 0.2634310 1.63758312 2.3744627 12 0.9245307 -1.12596690 1.5528442 13 0.6475464 3.60709659 3.4380703 14 0.6304414 0.30028737 3.5130523 15 -0.8681919 2.16587601 0.8144658 16 0.1540673 2.11388876 2.0729619 17 2.6927877 2.37447334 2.9837406 18 -0.9019373 1.60907910 3.6548412 19 -0.2584275 1.04103727 0.7283439 20 0.8461264 0.85496302 3.2411674
> df3["Total",]<-colSums(df3) > df3
输出结果
x1 x2 x3 1 0.6164833 0.47429064 3.5166292 2 2.0596947 1.10363170 3.4169209 3 1.5354324 1.96449893 1.7139730 4 -0.3155407 0.06443867 4.0183405 5 1.0863162 1.85855640 1.8751935 6 1.4546097 2.27657919 1.6122213 7 2.0087382 1.74009432 2.5015685 8 -0.3410458 2.41762264 2.9820183 9 -0.2868343 1.13547227 4.3164365 10 -1.0235788 2.14507250 2.3995348 11 0.2634310 1.63758312 2.3744627 12 0.9245307 -1.12596690 1.5528442 13 0.6475464 3.60709659 3.4380703 14 0.6304414 0.30028737 3.5130523 15 -0.8681919 2.16587601 0.8144658 16 0.1540673 2.11388876 2.0729619 17 2.6927877 2.37447334 2.9837406 18 -0.9019373 1.60907910 3.6548412 19 -0.2584275 1.04103727 0.7283439 20 0.8461264 0.85496302 3.2411674 Total 10.9246490 29.75857494 52.7267868