首页 文章

如何使用dplyr扫描特定列？

提问于
浏览 次
12

对我的数据类型来说，一个非常常见的操作是将归一化因子应用于所有列 . 这可以使用 sweep 或 scale 高效完成：

normalized = scale(data, center = FALSE, scale = factors)
# or
normalized = sweep(data, 2, factors, `/`)

哪里

data = structure(list(A = c(3L, 174L, 6L, 1377L, 537L, 173L),
    B = c(1L, 128L, 2L, 1019L, 424L, 139L),
    C = c(3L, 66L, 2L, 250L, 129L, 40L),
    D = c(4L, 57L, 4L, 251L, 124L, 38L)),
    .Names = c("A", "B", "C", "D"),
    class = c("tbl_df", "data.frame"), row.names = c(NA, -6L))

factors = c(A = 1, B = 1.2, C = 0.8, D = 0.75)

但是，当我的数据在前面有其他列时，如何使用dplyr执行此操作？我可以在单独的语句中完成它，但我想在一个管道中完成它 . 这是我的数据：

data = structure(list(ID = c(1, 2, 3, 4, 5, 6),
    Type = c("X", "X", "X", "Y", "Y", "Y"),
    A = c(3L, 174L, 6L, 1377L, 537L, 173L),
    B = c(1L, 128L, 2L, 1019L, 424L, 139L),
    C = c(3L, 66L, 2L, 250L, 129L, 40L),
    D = c(4L, 57L, 4L, 251L, 124L, 38L)),
    .Names = c("ID", "Type", "A", "B", "C", "D"),
    class = c("tbl_df", "data.frame"), row.names = c(NA, -6L))

而且我想改变数据列而不触及前两列 . 通常我可以用 mutate_each 做到这一点;但是，我怎么不能将我的规范化因子传递给该函数：

data %>% mutate_each(funs(. / factors), A:D)

毫不奇怪，这假设我想要将每列除以 factors ，而不是按每个列除以匹配因子 .

r dplyr

1 回答

  • 11

    鉴于akrun的鼓励，让我在这里发布我所做的答案 . 我只是直觉地认为您可能想要让R指出具有相同名称的列来执行此操作 mutate_each . 例如，如果 . 指示列 A ，我认为另一个名为 A 的列来自另一个data.frame可能是 dplyr 可能会喜欢的 . 所以，我为 factors 创建了一个数据框，然后使用 mutate_each . 结果似乎是正确的 . 由于我没有技术背景，我担心我无法提供任何解释 . 我希望你不介意 .

    factors <- data.frame(A = 1, B = 1.2, C = 0.8, D = 0.75)

mutate_at(data, vars(A:D), funs(. / foo$.))

# By the time I answered this question, the following was working.
# But mutate_each() is now deprecated.

# mutate_each(data, funs(. / factors$.), A:D)

#  ID Type    A           B      C          D
#1  1    X    3   0.8333333   3.75   5.333333
#2  2    X  174 106.6666667  82.50  76.000000
#3  3    X    6   1.6666667   2.50   5.333333
#4  4    Y 1377 849.1666667 312.50 334.666667
#5  5    Y  537 353.3333333 161.25 165.333333
#6  6    Y  173 115.8333333  50.00  50.666667

    编辑

    这也有效 . 鉴于数据框是列表的特例，这也许并不令人惊讶 .

    # Experiment
foo <- list(A = 1, B = 1.2, C = 0.8, D = 0.75)

mutate_at(data, vars(A:D), funs(. / foo$.))

# mutate_each(data, funs(. / foo$.), A:D)

#  ID Type    A           B      C          D
#1  1    X    3   0.8333333   3.75   5.333333
#2  2    X  174 106.6666667  82.50  76.000000
#3  3    X    6   1.6666667   2.50   5.333333
#4  4    Y 1377 849.1666667 312.50 334.666667
#5  5    Y  537 353.3333333 161.25 165.333333
#6  6    Y  173 115.8333333  50.00  50.666667
    回复于

相关问题