使用 rowSums 改变 dplyr 中的列

Question

最近我偶然发现了dplyr的奇怪行为，如果有人能提供一些见解，我会很高兴。

假设我有一个数据，其中 com 列包含一些数值。 在一个简单的场景中，我想计算rowSums 。 虽然有很多方法可以做到，这里有两个例子：

df <- data.frame(matrix(rnorm(20), 10, 2),
                 ids = paste("i", 1:20, sep = ""),
                 stringsAsFactors = FALSE)

# works
dplyr::select(df, - ids) %>% {rowSums(.)}

# does not work
# Error: invalid argument to unary operator
df %>%
  dplyr::mutate(blubb = dplyr::select(df, - ids) %>% {rowSums(.)})

# does not work
# Error: invalid argument to unary operator
df %>%
  dplyr::mutate(blubb = dplyr::select(., - ids) %>% {rowSums(.)})

# workaround:
tmp <- dplyr::select(df, - ids) %>% {rowSums(.)}
df %>%
  dplyr::mutate(blubb = tmp)

# works
rowSums(dplyr::select(df, - ids))

# does not work
# Error: invalid argument to unary operator
df %>%
  dplyr::mutate(blubb = rowSums(dplyr::select(df, - ids)))

# workaround
tmp <- rowSums(dplyr::select(df, - ids))
df %>%
  dplyr::mutate(blubb = tmp)

首先，我真的不明白是什么导致了错误，其次我想知道如何以一种整洁的方式实际实现一些（可行的）列的整洁计算。

编辑

问题mutate and rowSums exclude columns尽管相关，但重点在于使用rowSums进行计算。 在这里，我很想了解为什么上面的例子不起作用。 与其说是如何解决（请参阅解决方法），不如说是了解应用朴素方法时会发生什么。

Answer 1

这些示例不起作用，因为您在mutate中嵌套select并使用裸变量名称。 在这种情况下， select正在尝试执行类似的操作

> -df$ids
Error in -df$ids : invalid argument to unary operator

失败是因为您无法否定字符串（即-"i1"或-"i2"没有意义）。 以下任一配方均有效：

df %>% mutate(blubb = rowSums(select_(., "X1", "X2")))
df %>% mutate(blubb = rowSums(select(., -3)))

或者

df %>% mutate(blubb = rowSums(select_(., "-ids")))

正如@Haboryme 所建议的那样。

Answer 2

select_已弃用。 您可以使用：

library(dplyr)
df <- data.frame(matrix(rnorm(20), 10, 2),
                 ids = paste("i", 1:20, sep = ""),
                 stringsAsFactors = FALSE)
df %>% 
  mutate(blubb = rowSums(select(., .dots = c("X1", "X2"))))

# Or more generally:
desired_columns <- c("X1", "X2")
df %>% 
  mutate(blubb = rowSums(select(., .dots = all_of(desired_columns))))

Answer 3

select现在可以接受裸列名称，因此无需使用已弃用的.dots或select_ 。

以下是一些现在可行的方法。

library(dplyr)

#sum all the columns except `id`. 
df %>% mutate(blubb = rowSums(select(., -ids), na.rm = TRUE))

#sum X1 and X2 columns
df %>% mutate(blubb = rowSums(select(., X1, X2), na.rm = TRUE))

#sum all the columns that start with 'X'
df %>% mutate(blubb = rowSums(select(., starts_with('X')), na.rm = TRUE))

#sum all the numeric columns
df %>% mutate(blubb = rowSums(select(., where(is.numeric))))

Answer 4

添加到这个旧线程是因为我搜索了这个问题然后意识到我问错了问题。 此外，我在这个和相关问题中发现了一些对正确管道步骤方法的渴望。

这里的答案有些不直观，因为他们试图将 dplyr 白话与非“整洁”数据一起使用。 如果您想以 dplyr 方式进行操作，请先使用 Gather gather()整理数据，然后使用summarise()

library(tidyverse)

df <- data.frame(matrix(rnorm(20), 10, 2),
                 ids = paste("i", 1:20, sep = ""),
                 stringsAsFactors = FALSE)

df %>% gather(key=Xn,value="value",-ids) %>% 
  group_by(ids) %>% 
  summarise(rowsum=sum(value))

#> # A tibble: 20 x 2
#>    ids   rowsum
#>    <chr>       <dbl>
#>  1 i1          0.942
#>  2 i10        -0.330
#>  3 i11         0.942
#>  4 i12        -0.721
#>  5 i13         2.50 
#>  6 i14        -0.611
#>  7 i15        -0.799
#>  8 i16         1.84 
#>  9 i17        -0.629
#> 10 i18        -1.39 
#> 11 i19         1.44 
#> 12 i2         -0.721
#> 13 i20        -0.330
#> 14 i3          2.50 
#> 15 i4         -0.611
#> 16 i5         -0.799
#> 17 i6          1.84 
#> 18 i7         -0.629
#> 19 i8         -1.39 
#> 20 i9          1.44

如果您关心 id 无法使用arrange()排序时的顺序，请先将该列作为一个因素。

  df %>% 
  mutate(ids=as_factor(ids)) %>% 
  gather(key=Xn,value="value",-ids) %>% 
  group_by(ids) %>% 
  summarise(rowsum=sum(value))

Answer 5

为什么要使用管道运算符？ 只需写一个表达式，例如：

rowSums(df[,sapply(df, is.numeric)])

即计算所有数字列的行和，优点是不需要指定ids 。

Answer 6

如果要将结果保存为数据中的列，可以使用如下所示的 data.table 语法：

dt <- as.data.table(df)
dt[, x3 := rowSums(.SD, na.rm=T), .SDcols = which(sapply(dt, is.numeric))]