如何在R数据帧中按行查找变量总和？

为了按行查找变量的总和，我们指的是数据帧中行值的总和。借助rowSums函数可以轻松完成此操作。例如，如果我们有一个名为df的数据帧，则可以使用以下命令找到按行的变量总和-

rowSums(df)

例1

考虑以下数据帧-

> x1<-rpois(20,2)
> x2<-rpois(20,2)
> x3<-rpois(20,2)
> df1<-data.frame(x1,x2,x3)
> df1

输出结果

   x1 x2 x3
1   0  2  3
2   1  0  1
3   1  0  2
4   3  3  2
5   4  2  2
6   3  1  5
7   2  2  1
8   4  2  2
9   2  4  0
10  3  1  5
11  3  1  2
12  0  3  1
13  2  3  0
14  1  1  0
15  1  1  1
16  3  1  0
17  1  2  1
18  1  0  2
19  4  2  1
20  0  2  3

在df1中查找数据的行总和-

> df1$x_total<-rowSums(df1)
> df1

输出结果

   x1 x2 x3 x_total
1   0  2  3       5
2   1  0  1       2
3   1  0  2       3
4   3  3  2       8
5   4  2  2       8
6   3  1  5       9
7   2  2  1       5
8   4  2  2       8
9   2  4  0       6
10  3  1  5       9
11  3  1  2       6
12  0  3  1       4
13  2  3  0       5
14  1  1  0       2
15  1  1  1       3
16  3  1  0       4
17  1  2  1       4
18  1  0  2       3
19  4  2  1       7
20  0  2  3       5

例2

> y1<-rnorm(20)
> y2<-rnorm(20)
> y3<-rnorm(20)
> df2<-data.frame(y1,y2,y3)
> df2

输出结果

            y1         y2           y3
1   0.59017486 -0.1196278  0.822573265
2  -1.12831016  0.7454030  0.173110462
3   0.65838766 -0.4798106  0.700891619
4  -3.09790550 -0.4401321  0.343264756
5  -0.27170928 -0.8106993 -0.658724220
6   1.51823786  0.1162130 -0.145487501
7   1.66852069 -0.4254530 -0.372181307
8   0.39011721  1.7260926 -0.253079767
9   0.12034466  0.4142485 -0.547526473
10  0.73264687  0.3537576 -0.248502362
11 -1.19683499  1.0923578  0.139092087
12 -0.02475713 -0.7436116  1.154820901
13 -1.68760189 -1.1306767 -0.002655384
14 -0.56164347  0.6580410  1.831938297
15  0.26013745 -0.6617675 -1.398981829
16  0.68685167 -1.2256218  0.435335557
17 -0.01735620  1.2882963 -0.378027363
18 -0.86458207  1.6013430  0.567320925
19  0.15593632  0.7086373 -0.231115639
20  0.54771681  1.8800467  0.235589089

在df2中找到数据的行总和-

> df2$y_total<-rowSums(df2)
> df2

输出结果

            y1         y2           y3     y_total
1   0.59017486 -0.1196278  0.822573265  1.29312029
2  -1.12831016  0.7454030  0.173110462 -0.20979674
3   0.65838766 -0.4798106  0.700891619  0.87946873
4  -3.09790550 -0.4401321  0.343264756 -3.19477280
5  -0.27170928 -0.8106993 -0.658724220 -1.74113281
6   1.51823786  0.1162130 -0.145487501  1.48896334
7   1.66852069 -0.4254530 -0.372181307  0.87088643
8   0.39011721  1.7260926 -0.253079767  1.86313004
9   0.12034466  0.4142485 -0.547526473 -0.01293328
10  0.73264687  0.3537576 -0.248502362  0.83790209
11 -1.19683499  1.0923578  0.139092087  0.03461487
12 -0.02475713 -0.7436116  1.154820901  0.38645212
13 -1.68760189 -1.1306767 -0.002655384 -2.82093399
14 -0.56164347  0.6580410  1.831938297  1.92833585
15  0.26013745 -0.6617675 -1.398981829 -1.80061190
16  0.68685167 -1.2256218  0.435335557 -0.10343459
17 -0.01735620  1.2882963 -0.378027363  0.89291278
18 -0.86458207  1.6013430  0.567320925  1.30408187
19  0.15593632  0.7086373 -0.231115639  0.63345799
20  0.54771681  1.8800467  0.235589089  2.66335255