R/dplyr：基於多個動態變量名進行變異

Question

我有一個數據框列表，每個數據框都包含多個包含表面積值的變量（以“_area”結尾）。 對於每個表面積變量，我想使用相應的轉換因子（以“_unit”結尾）來計算第三個變量，該變量包含標准測量單位的面積。 我希望這些變量以“_area_ha”結尾。

以下是我的示例數據框：

a <- tibble(a1_area = c(1,1,1), a2_area_unit = c(1,1,0.5), a2_area = c(1,1,1),
            a1_area_unit = c(1,0.5,0.5), abc = c(1,2,3))

b <- tibble(b1_area = c(1,1,1), b1_area_unit = c(1,1,0.5), b2_area = c(1,1,1),
            b2_area_unit = c(1,0.5,0.5), abc = c(1,2,3))

ab_list <- list(a, b)

names(ab_list) <- c("a", "b")

我知道如何在循環的幫助下做到這一點，但想了解如何在 tidyverse/dplyr 邏輯中做到這一點。 我的循環（它給了我想要的輸出）看起來像這樣：

df_names <- names(ab_list)

for (d in df_names) {

  df <- ab_list[[d]]
  var_names <- names(select(df, matches("_area$")))

    for (v in var_names) {
      int  <- df %>% select(all_of(v),)
      int2 <- df %>% select(matches(paste0(names(int), "_unit")))
      int3 <- int*int2
      names(int3) <- paste0(names(int), "_ha")
      df <- cbind(df, int3)
      rm(int, int2, int3)
      }

  ab_list[[d]] <- tibble(df)
  rm(df)
  }

> ab_list
$`a`
# A tibble: 3 x 7
  a1_area a2_area_unit a2_area a1_area_unit   abc a1_area_ha a2_area_ha
    <dbl>        <dbl>   <dbl>        <dbl> <dbl>      <dbl>      <dbl>
1       1          1         1          1       1        1          1  
2       1          1         1          0.5     2        0.5        1  
3       1          0.5       1          0.5     3        0.5        0.5

$b
# A tibble: 3 x 7
  b1_area b1_area_unit b2_area b2_area_unit   abc b1_area_ha b2_area_ha
    <dbl>        <dbl>   <dbl>        <dbl> <dbl>      <dbl>      <dbl>
1       1          1         1          1       1        1          1  
2       1          1         1          0.5     2        1          0.5
3       1          0.5       1          0.5     3        0.5        0.5

我曾嘗試使用 lapply 和 mutate_at 但我的方法不起作用。 如果我理解正確，這是因為我的環境是嵌套的，我無法訪問計算變量“ha”的 function 中的 x。

ab_list %>% 
  lapply(function(x) mutate_at(x, vars(matches("_area$")), list(ha = ~.*x[[paste0(names(.),"_unit")]])))

Error: Column `a1_area_ha` must be length 3 (the number of rows) or one, not 0 

有沒有辦法讓 mutate_at 中的 function 根據 function 中的初始變量的名稱訪問父數據幀中的變量？

對於基於動態變量名稱計算“_ha”變量的 tidyverse 方法的任何其他建議，我當然會很高興。

Answer 1

好問題。 下面是一個基本的 R 解決方案。 我確信它可以適應 tidyverse 解決方案（例如，使用purrr::map2() ）。 在這里，我構建了一個 function 進行基本測試，然后將其與lapply()一起使用。 注意：答案是為您的示例量身定制的，因此如果值/單位的列名不同，則需要對其進行調整。 希望這可以幫助！！

val_by_unit <- function(data) {

  df <- data[order(names(data))]

  # Selecting columns for values and units
  val <- df[endsWith(names(df), "area")]
  unit <- df[endsWith(names(df), "unit")]


  # Check names are multiplying correctly
  if(!all(names(val) == sub("_unit", "", names(unit)))) {
    stop("Not all areas have a corresponding unit")
  }

  # Multiplying corresponding columns
  output <- Map(`*`, val, unit)

  # Renaming output and adding columns   
  data[paste0(names(output), "_ha")] <- output
  data
}

結果：

lapply(ab_list, val_by_unit)

$a
# A tibble: 3 x 7
  a1_area a2_area_unit a2_area a1_area_unit   abc a1_area_ha a2_area_ha
    <dbl>        <dbl>   <dbl>        <dbl> <dbl>      <dbl>      <dbl>
1       1          1         1          1       1        1          1  
2       1          1         1          0.5     2        0.5        1  
3       1          0.5       1          0.5     3        0.5        0.5

$b
# A tibble: 3 x 7
  b1_area b1_area_unit b2_area b2_area_unit   abc b1_area_ha b2_area_ha
    <dbl>        <dbl>   <dbl>        <dbl> <dbl>      <dbl>      <dbl>
1       1          1         1          1       1        1          1  
2       1          1         1          0.5     2        1          0.5
3       1          0.5       1          0.5     3        0.5        0.5

Answer 2

tidyverse函數最適用於“長”格式的數據，其中每一行都代表一個唯一的數據點。 為此，您需要使用tidyr::pivot_longer function：

# Join dataframes
dplyr::bind_cols(a, b) %>%
# Convert to area columns to long format
tidyr::pivot_longer(
  cols = dplyr::ends_with('area'),
  names_to = 'site',
  values_to = 'area'
) %>%
# Convert unit columns to long format
tidyr::pivot_longer(
  cols = dplyr::ends_with('unit'),
  names_to = 'site2',
  values_to = 'unit'
) %>%
# Just extract first 2 characters of the site column to get unique ID
dplyr::mutate(
  site = stringr::str_sub(site, 1, 2)
) %>%
# Remove redundant columns
dplyr::select(abc, site, area, unit) %>%
# Calculate area in HA
dplyr::mutate(
  area_ha = area * unit
)

一旦您的數據為長格式，您就可以使用dplyr::mutate將您的面積列乘以單位列以獲得 area_ha 列。 如果要將數據轉換回其原始格式，可以使用tidyr::pivot_wider將數據轉換回寬格式，這將為您提供名稱為 a1_area_ha、a2_area_ha 等的列。