使用 dplyr::mutate 根據字符串向量（或 tidyselect）傳遞的多個條件和相應的變量名稱創建新變量

Question

我很確定這是之前討論過的，但我很難用語言表達這個問題：例如，我正在尋找這個數據框......

iris %>%
    mutate(has_petal_1.4 = Petal.Length == 1.4 | Petal.Width == 1.4,
           width_greater_1 = Sepal.Width > 1 & Petal.Width > 1)

...無需明確命名條件中的變量。 有沒有辦法使用字符串向量傳遞變量名？ 不幸的是，這似乎不起作用：

varsel <- c('Petal.Length', 'Petal.Width')
iris %>%
  mutate(has_petal_1.4 = 1.4 %in% c(!!! syms(varsel)))

此外，我想知道在 mutate() function 中是否有使用 tidyselect 的解決方案。 到目前為止，我使用了新的方便的 cross() function 來改變多個變量。 是否也可以在條件下使用它？ 這是另一個不起作用的示例：

iris %>%
  mutate(has_petal_1.4 = across(c(starts_with('Petal')), function(x) {1.4 %in% x}))

非常感謝任何幫助。

Answer 1

有多種方法，一種選擇是c_across

library(dplyr) # >= 1.0.0
iris %>% 
    rowwise %>% 
    mutate(has_petal_1.4 = any(c_across(varsel) == 1.4),
           width_greater_1 = all(c_across(ends_with('Width')) > 1)) %>%
    ungroup
# A tibble: 150 x 7
#   Sepal.Length Sepal.Width Petal.Length Petal.Width Species has_petal_1.4 width_greater_1
#          <dbl>       <dbl>        <dbl>       <dbl> <fct>   <lgl>         <lgl>          
# 1          5.1         3.5          1.4         0.2 setosa  TRUE          FALSE          
# 2          4.9         3            1.4         0.2 setosa  TRUE          FALSE          
# 3          4.7         3.2          1.3         0.2 setosa  FALSE         FALSE          
# 4          4.6         3.1          1.5         0.2 setosa  FALSE         FALSE          
# 5          5           3.6          1.4         0.2 setosa  TRUE          FALSE          
# 6          5.4         3.9          1.7         0.4 setosa  FALSE         FALSE          
# 7          4.6         3.4          1.4         0.3 setosa  TRUE          FALSE          
# 8          5           3.4          1.5         0.2 setosa  FALSE         FALSE          
# 9          4.4         2.9          1.4         0.2 setosa  TRUE          FALSE          
#10          4.9         3.1          1.5         0.1 setosa  FALSE         FALSE          
# … with 140 more rows

---

或者使用rowSums的更快選項

iris %>%     
    mutate(has_petal_1.4 =  rowSums(select(., varsel) == 1.4) > 0,
           width_greater_1 = rowSums(select(., ends_with('Width')) > 1) == 2)