blocks|key|1697506|text|底线：|type|unstyled|depth|inlineStyleRanges|entityRanges|data|1697507|df$var+<-+do.call(`%2B`,+
++lapply(split.default(df,+gsub(".*([0-9]%2B)_?$",+"\\1",+names(df))),
+++++++++function(z)+apply(z,+1,+prod)))
df
#+++x1+x2+y1_+y2_+var
#+1++0++0+++3+++1+++0
#+2++0++0+++0+++0+++0
#+3++0++0+++2+++0+++0
#+4++1++1+++1+++1+++2|code-block|syntax|javascript|1697508|初步步骤：|1697509|gsub(".*([0-9]%2B)_?$",+"\\1",+names(df))
#+[1]+"1"+"2"+"1"+"2"
split.default(df,+gsub(".*([0-9]%2B)_?$",+"\\1",+names(df)))
#+$`1`
#+++x1+y1_
#+1++0+++3
#+2++0+++0
#+3++0+++2
#+4++1+++1
#+$`2`
#+++x2+y2_
#+1++0+++1
#+2++0+++0
#+3++0+++0
#+4++1+++1
lapply(split.default(df,+gsub(".*([0-9]%2B)_?$",+"\\1",+names(df))),
+++++++function(z)+apply(z,+1,+prod))
#+$`1`
#+[1]+0+0+0+1
#+$`2`
#+[1]+0+0+0+1|1697510|entityMap^0|0|0|0|0^^$0|@$1|2|3|4|5|6|7|M|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|N|8|@]|9|@]|A|$E|F]]|$1|G|3|H|5|6|7|O|8|@]|9|@]|A|$]]|$1|I|3|J|5|D|7|P|8|@]|9|@]|A|$E|F]]|$1|K|3|-4|5|6|7|Q|8|@]|9|@]|A|$]]]|L|$]]

Bottom line:
<pre class="lang-r prettyprint-override"><code>df$var &lt;- do.call(`+`, 
 lapply(split.default(df, gsub(&quot;.*([0-9]+)_?$&quot;, &quot;\\1&quot;, names(df))),
 function(z) apply(z, 1, prod)))
df
# x1 x2 y1_ y2_ var
# 1 0 0 3 1 0
# 2 0 0 0 0 0
# 3 0 0 2 0 0
# 4 1 1 1 1 2
</code></pre>
<hr />
Initial steps:
<pre class="lang-r prettyprint-override"><code>gsub(&quot;.*([0-9]+)_?$&quot;, &quot;\\1&quot;, names(df))
# [1] &quot;1&quot; &quot;2&quot; &quot;1&quot; &quot;2&quot;
split.default(df, gsub(&quot;.*([0-9]+)_?$&quot;, &quot;\\1&quot;, names(df)))
# $`1`
# x1 y1_
# 1 0 3
# 2 0 0
# 3 0 2
# 4 1 1
# $`2`
# x2 y2_
# 1 0 1
# 2 0 0
# 3 0 0
# 4 1 1
lapply(split.default(df, gsub(&quot;.*([0-9]+)_?$&quot;, &quot;\\1&quot;, names(df))),
 function(z) apply(z, 1, prod))
# $`1`
# [1] 0 0 0 1
# $`2`
# [1] 0 0 0 1
</code></pre>

blocks|key|1697536|text|根据列名拆分数据，然后乘，然后逐行求和：|type|unstyled|depth|inlineStyleRanges|entityRanges|data|1697537|x+<-+colnames(df)
df$var+<-+rowSums(df[,+grepl("%5Ex",+x)]+*+df[,+grepl("%5Ey",+x)])
df
#+++x1+x2+y1_+y2_+var
#+1++0++0+++3+++1+++0
#+2++0++0+++0+++0+++0
#+3++0++0+++2+++0+++0
#+4++1++1+++1+++1+++2|code-block|syntax|javascript|1697538|entityMap^0|0|0^^$0|@$1|2|3|4|5|6|7|I|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|J|8|@]|9|@]|A|$E|F]]|$1|G|3|-4|5|6|7|K|8|@]|9|@]|A|$]]]|H|$]]

Split dataframe based on column names then multiply, then rowwise sum:
<pre><code>x &lt;- colnames(df)
df$var &lt;- rowSums(df[, grepl(&quot;^x&quot;, x)] * df[, grepl(&quot;^y&quot;, x)])
df
# x1 x2 y1_ y2_ var
# 1 0 0 3 1 0
# 2 0 0 0 0 0
# 3 0 0 2 0 0
# 4 1 1 1 1 2
</code></pre>

blocks|key|667663|text|1)使用dplyr，并假设以数字结尾的列与以_结尾的列的顺序相同，并且两个组分别以数字和下划线结尾，我们可以这样使用across。|type|unstyled|depth|inlineStyleRanges|offset|length|style|BOLD|CODE|entityRanges|data|667664|library(dplyr)

df+%25>%25+mutate(var+=+rowSums(across(matches("\\d$"))+*+across(ends_with("_"))))|code-block|syntax|javascript|667665|给予|667666|++x1+x2+y1_+y2_+var
1++0++0+++3+++1+++0
2++0++0+++0+++0+++0
3++0++0+++2+++0+++0
4++1++1+++1+++1+++2|667667|2)+A变体是按行方式使用的：|667668|df+%25>%25
++rowwise+%25>%25
++mutate(var+=+sum(c_across(matches("\\d$"))+*+c_across(ends_with("_"))))+%25>%25
++ungroup|667669|备注|667670|df+<-+structure(list(x1+=+c(0,+0,+0,+1),+x2+=+c(0,+0,+0,+1),+y1_+=+c(3,+
0,+2,+1),+y2_+=+c(1,+0,+0,+1)),+class+=+"data.frame",+row.names+=+c(NA,+
-4L))

df
##+++x1+x2+y1_+y2_
##+1++0++0+++3+++1
##+2++0++0+++0+++0
##+3++0++0+++2+++0
##+4++1++1+++1+++1|667671|entityMap^0|0|2|1M|6|0|0|0|0|0|2|0|0|0|0^^$0|@$1|2|3|4|5|6|7|Z|8|@$9|10|A|11|B|C]|$9|12|A|13|B|D]]|E|@]|F|$]]|$1|G|3|H|5|I|7|14|8|@]|E|@]|F|$J|K]]|$1|L|3|M|5|6|7|15|8|@]|E|@]|F|$]]|$1|N|3|O|5|I|7|16|8|@]|E|@]|F|$J|K]]|$1|P|3|Q|5|6|7|17|8|@$9|18|A|19|B|C]]|E|@]|F|$]]|$1|R|3|S|5|I|7|1A|8|@]|E|@]|F|$J|K]]|$1|T|3|U|5|6|7|1B|8|@]|E|@]|F|$]]|$1|V|3|W|5|I|7|1C|8|@]|E|@]|F|$J|K]]|$1|X|3|-4|5|6|7|1D|8|@]|E|@]|F|$]]]|Y|$]]

1) Using dplyr and assuming that the columns ending in digits are in the same order as the columns ending in _ and that the two groups end in digits and underscore respectively we can use <code>across</code> like this.
<pre><code>library(dplyr)

df %&gt;% mutate(var = rowSums(across(matches(&quot;\\d$&quot;)) * across(ends_with(&quot;_&quot;))))
</code></pre>
giving
<pre><code> x1 x2 y1_ y2_ var
1 0 0 3 1 0
2 0 0 0 0 0
3 0 0 2 0 0
4 1 1 1 1 2
</code></pre>
2) A variation is to use rowwise:
<pre><code>df %&gt;%
 rowwise %&gt;%
 mutate(var = sum(c_across(matches(&quot;\\d$&quot;)) * c_across(ends_with(&quot;_&quot;)))) %&gt;%
 ungroup
</code></pre>
<h2>Note</h2>
<pre><code>df &lt;- structure(list(x1 = c(0, 0, 0, 1), x2 = c(0, 0, 0, 1), y1_ = c(3, 
0, 2, 1), y2_ = c(1, 0, 0, 1)), class = &quot;data.frame&quot;, row.names = c(NA, 
-4L))

df
## x1 x2 y1_ y2_
## 1 0 0 3 1
## 2 0 0 0 0
## 3 0 0 2 0
## 4 1 1 1 1
</code></pre>

My dataframe has 22 variables. this is a simplified sample. the variables include x1,x2,y1_,y2_. i want to create a new variable. the variable values are <code>x1*y1_+x2*y2_</code>. the code is as follows:
<pre class="lang-r prettyprint-override"><code>df &lt;- data.frame(x1=c(0,0,0,1),x2=c(0,0,0,1),y1_=c(3,0,2,1),y2_=c(1,0,0,1))
df$var &lt;- df$x1*df$y1_+df$x2*df$y2_
</code></pre>
if no. of variables is 22, the above code is unreasonable. so,how to get this variable?

Variables with the same suffix multiply and sum

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

我的数据有22个变量。这是一个简化的样本。变量包括x1、x2、y1_、y2_。我想要创建一个新的变量。变量值为x1*y1_+x2*y2_。守则如下：df <- data.frame(x1=c(0,0,0,1),x2=c(0,0,0,1),y1_=c(3,0,2,1),y2_=c(1,0,0,1))df$var <- d...

问具有相同后缀的乘法和和变量
EN

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问具有相同后缀的乘法和和变量EN