使用来自 dplyr 的 mutate_at

Question

我有一个包含 5 列的数据框，我想生成 4 个额外的列，给出最后 4 列和第一列之间的差异。 我尝试了以下方法，但这不起作用：

library(tidyverse)
df <- as.tibble(data.frame(A = c(1,2), B = c(3,4), C = c(4,5), D = c(2,3), E = c(4,5)))
r_diff <- function(x,y){
  z = y - x
  return(z)
}
vars_to_process <- c("B","C","D","E")
df %>% mutate_at(.cols=vars_to_process, .funs =r_diff(.,df[,1])) %>% head()

谢谢仁格

Answer 1

这是最简单的方法。

df %>% 
   mutate_at(.vars = vars(B:E),
             .funs = list(~ . - A))

.vars参数允许您以与在select()指定列相同的方式指定列，前提是您将该规范放在函数vars() 。

.funs参数接受在调用list()定义的匿名函数。 并且您可以在定义此匿名函数时引用数据框中的列（在本例中为A ）（请参阅此 Stackoverflow 问题）。

此外，随着 dplyr 1.0.0 的发布，您现在可以简单地执行以下操作：

df %>%
   mutate(across(B:E, ~ . - A))

Answer 2

这是使用基本 R 代码的更快解决方案。 策略转换为矩阵，从所需的列中减去第一列，重新构建为数据框。 请注意，这只是返回修改后的列-如果没有在列vars_to_process他们将不会出现在输出中，但你没有任何那些在你测试集，所以我会假设它们不存在。

所以，尽可能在函数中写东西：

bsr = function(df,vars_to_process){
    m = as.matrix(df)
    data.frame(
         A = m[, 1],
             m[, 1] - m[, vars_to_process])}

制作一些测试数据：

> df = data.frame(matrix(runif(5*1000), ncol=5))
> names(df)=LETTERS[1:5]
> dft = as.tibble(df)
> head(dft)
# A tibble: 6 x 5
          A          B         C         D         E
      <dbl>      <dbl>     <dbl>     <dbl>     <dbl>
1 0.2609174 0.07857624 0.2727817 0.8498004 0.3403234
2 0.3644744 0.95810657 0.8183856 0.2958133 0.4752349
3 0.6042914 0.98793218 0.7547003 0.9596591 0.5354045
4 0.4000441 0.61403331 0.9018804 0.3838347 0.3266855
5 0.6767012 0.11984219 0.9181570 0.5988404 0.6058629

与tidyverse版本对比：

akr = function(df,vars_to_process){
   df %>% mutate_at(vars_to_process, funs(r_diff(.,df[[1]])))
   }

检查bsr和akr是否同意：

> head(bsr(dft, vars_to_process))
          A          B           C           D           E
1 0.2609174  0.1823412 -0.01186432 -0.58888295 -0.07940594
2 0.3644744 -0.5936322 -0.45391119  0.06866108 -0.11076050
3 0.6042914 -0.3836408 -0.15040892 -0.35536765  0.06888696
4 0.4000441 -0.2139892 -0.50183635  0.01620939  0.07335861

> head(akr(dft, vars_to_process))
# A tibble: 6 x 5
          A          B           C           D           E
      <dbl>      <dbl>       <dbl>       <dbl>       <dbl>
1 0.2609174  0.1823412 -0.01186432 -0.58888295 -0.07940594
2 0.3644744 -0.5936322 -0.45391119  0.06866108 -0.11076050
3 0.6042914 -0.3836408 -0.15040892 -0.35536765  0.06888696
4 0.4000441 -0.2139892 -0.50183635  0.01620939  0.07335861

好的，除了akr返回一个akr但 nm。 基准：

> microbenchmark(bsr(dft, vars_to_process),akr(dft, vars_to_process))
Unit: microseconds
                      expr      min        lq      mean   median       uq
 bsr(dft, vars_to_process)  362.117  388.7215  488.9309  446.123  521.776
 akr(dft, vars_to_process) 8070.391 8365.4230 9853.5239 8673.692 9335.613

Base R 版本的速度提高了 26 倍。 我还认为，从另一组列中减去一列比应用 mutator 函数更整洁，但只要您将所做的事情包装在一个函数中，那么胆量有多混乱都没有关系。

Answer 3

我们需要用[[对列进行子集化，因为[仍然是一个data.frame

df %>% 
   mutate_at(vars_to_process, funs(r_diff(.,df[[1]]))) 
# A tibble: 2 x 5
#     A     B     C     D     E
#  <dbl> <dbl> <dbl> <dbl> <dbl>
#1     1    -2    -3    -1    -3
#2     2    -2    -3    -1    -3