dplyr 按行求和和其他函数，如 max

Question

如果我想使用dplyr对数据框中的某些变量dplyr ，我可以这样做：

> head(iris)
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
2          4.9         3.0          1.4         0.2  setosa
3          4.7         3.2          1.3         0.2  setosa
4          4.6         3.1          1.5         0.2  setosa
5          5.0         3.6          1.4         0.2  setosa
6          5.4         3.9          1.7         0.4  setosa

> select(iris, starts_with('Petal')) %>% rowSums()
  [1] 1.6 1.6 1.5 1.7 1.6 2.1 1.7 1.7 1.6 1.6 1.7 1.8 1.5 1.2 1.4 1.9 1.7 1.7 2.0 1.8 1.9 1.9 1.2 2.2 2.1 1.8 2.0 1.7 1.6 1.8 1.8 1.9 1.6 1.6 1.7 1.4
 [37] 1.5 1.5 1.5 1.7 1.6 1.6 1.5 2.2 2.3 1.7 1.8 1.6 1.7 1.6 6.1 6.0 6.4 5.3 6.1 5.8 6.3 4.3 5.9 5.3 4.5 5.7 5.0 6.1 4.9 5.8 6.0 5.1 6.0 5.0 6.6 5.3
 [73] 6.4 5.9 5.6 5.8 6.2 6.7 6.0 4.5 4.9 4.7 5.1 6.7 6.0 6.1 6.2 5.7 5.4 5.3 5.6 6.0 5.2 4.3 5.5 5.4 5.5 5.6 4.1 5.4 8.5 7.0 8.0 7.4 8.0 8.7 6.2 8.1
[109] 7.6 8.6 7.1 7.2 7.6 7.0 7.5 7.6 7.3 8.9 9.2 6.5 8.0 6.9 8.7 6.7 7.8 7.8 6.6 6.7 7.7 7.4 8.0 8.4 7.8 6.6 7.0 8.4 8.0 7.3 6.6 7.5 8.0 7.4 7.0 8.2
[145] 8.2 7.5 6.9 7.2 7.7 6.9

那很好，但我原以为rowwise完成同样的事情，但事实并非如此，

> select(iris, starts_with('Petal')) %>% rowwise() %>% sum()
[1] 743.6

我特别想做的是选择一组列，并创建一个新变量，每个值都是所选列的每一行的最大值。 例如，如果我选择“花瓣”列，最大值将为 1.4、1.4、1.3 等。

我可以这样做：

> select(iris, starts_with('Petal')) %>% apply(1, max)

没关系。 但我只是好奇为什么rowwise方法不起作用。 我意识到我不正确地使用rowwise ，我只是不确定为什么它是错误的。

Answer 1

问题是整个数据框都作为 dot 传递，尽管rowwise 。 要处理此使用do将解释 dot 仅表示当前行。 另一个问题是do中的点会将行表示为列表，因此请对其进行适当的转换。

library(dplyr)

iris %>%
  slice(1:6) %>%
  select(starts_with('Petal')) %>% 
  rowwise() %>%
  do( (.) %>% as.data.frame %>% mutate(sum = sum(.)) ) %>%
  ungroup

给予：

# A tibble: 6 x 3
  Petal.Length Petal.Width   sum
*        <dbl>       <dbl> <dbl>
1         1.40       0.200  1.60
2         1.40       0.200  1.60
3         1.30       0.200  1.50
4         1.50       0.200  1.70
5         1.40       0.200  1.60
6         1.70       0.400  2.10

dplyr 1.0 - 稍后添加

由于这是要求 dplyr 1.0 已发布，并且它具有cur_data()可用于简化上述操作，从而无需do 。 cur_data()一个内rowwise块仅仅指当前行。

iris %>%
  slice(1:6) %>%
  select(starts_with('Petal')) %>% 
  rowwise() %>%
  mutate(sum = sum(cur_data())) %>%
  ungroup

Answer 2

简而言之：您希望“sum”函数了解dplyr数据结构，例如按行分组的数据帧。 sum不知道它，所以它只需要整个data.frame的总和。

这里是一个简短的解释。 这个：

select(iris, starts_with('Petal')) %>% rowwise() %>% sum()

可以在不使用管道运算符的情况下重写如下：

data <- select(iris, starts_with('Petal'))
data <- rowwise(data)
sum(data)

正如你所看到的，你正在构建一个叫做tibble东西。 然后rowwise调用添加有关此对象的附加信息，并指定它应该按行分组。

然而，只有知道这种分组的函数（如summarize和mutate才能按预期工作。 像sum这样的基本 R 函数不知道这些对象，并将它们视为任何标准data.frame s。 sum()的标准方法是对整个数据帧求和。

使用mutate工作：

select(iris, starts_with('Petal')) %>%
  rowwise() %>%
  mutate(sum = sum(Petal.Width, Petal.Length))

结果：

Source: local data frame [150 x 3]
Groups: <by row>

# A tibble: 150 x 3
   Petal.Length Petal.Width   sum
          <dbl>       <dbl> <dbl>
 1         1.40       0.200  1.60
 2         1.40       0.200  1.60
 3         1.30       0.200  1.50
 ...

Answer 3

如果使用c_across选择要求和的变量，则可以跳过使用select ：

iris %>% 
  rowwise() %>% 
  mutate(sum = sum(c_across(starts_with("Petal"))), .keep = "used") %>% 
  ungroup()

输出

如果要保留数据框中的所有列，请删除.keep参数。

 Petal.Length Petal.Width   sum
          <dbl>       <dbl> <dbl>
 1          1.4         0.2   1.6
 2          1.4         0.2   1.6
 3          1.3         0.2   1.5
 4          1.5         0.2   1.7
 5          1.4         0.2   1.6
 6          1.7         0.4   2.1
 7          1.4         0.3   1.7
 8          1.5         0.2   1.7
 9          1.4         0.2   1.6
10          1.5         0.1   1.6
# ... with 140 more rows

---

同样，对于max ：

iris %>% 
    rowwise() %>% 
    mutate(max = max(c_across(starts_with("Petal"))), .keep = "used") %>% 
    ungroup()