代码之家 › 专栏 › 技术社区 › geotheory

外部数据的dplyr突变

tidyverse dplyr r

geotheory · 技术社区 · 8 年前

我们可以很容易地对分类方法进行变异/总结:

require(tidyverse)

iris %>% mutate_if(is.double, funs(. - mean(.))) %>% 
  gather(dimension, value, -Species) %>% 
  group_by(Species, dimension) %>% summarise(value = mean(value)) %>% 
  ggplot(aes(dimension, value, fill=value)) + geom_bar(stat='identity') + 
  coord_flip() + facet_wrap(~ Species)

但是考虑一下基线 (即等同于但不同于方法在中调用 mutate_if 在其他地方,例如。

baseline = data_frame(Sepal.Length=3, Sepal.Width=2, Petal.Length=2, Petal.Width=1)

要结合这些,一种base-r方法很简单,但并不优雅:

for(i in 1:4) iris[,i] = iris[,i] - as.numeric(baseline[,i])

但我想知道是否有更好的方法 baseline 以某种方式在管道内-即避免不得不改变 iris 自己还是克隆?

1 回复 | 直到 8 年前

moodymudskipper 8 年前

可以在相关列上循环 purrr::imap

library(purrr)
iris %>% imap_dfc(~if(.y %in% names(baseline)) .x-baseline[[.y]] else .x)

# # A tibble: 150 x 5
#    Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#           <dbl>       <dbl>        <dbl>       <dbl>  <fctr>
#  1          2.1         1.5         -0.6        -0.8  setosa
#  2          1.9         1.0         -0.6        -0.8  setosa
#  3          1.7         1.2         -0.7        -0.8  setosa
#  4          1.6         1.1         -0.5        -0.8  setosa
#  5          2.0         1.6         -0.6        -0.8  setosa
#  6          2.4         1.9         -0.3        -0.6  setosa
#  7          1.6         1.4         -0.6        -0.7  setosa
#  8          2.0         1.4         -0.5        -0.8  setosa
#  9          1.4         0.9         -0.6        -0.8  setosa
# 10          1.9         1.1         -0.5        -0.9  setosa

为了便于将来使用,您可以使用以下函数(用base编写 R ),我推广了这个函数,所以你不局限于减法。 .baseline 也可以是列表或命名向量。

baseline_op <- function(.x, .baseline, .f = `-`, ...) {
  .x[names(.baseline)] <- lapply(names(.baseline),function(n, ...) .f(.x[[n]], .baseline[[n]], ...))
  .x
}

iris %>% baseline_op(baseline) %>% head
#   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
# 1          2.1         1.5         -0.6        -0.8  setosa
# 2          1.9         1.0         -0.6        -0.8  setosa
# 3          1.7         1.2         -0.7        -0.8  setosa
# 4          1.6         1.1         -0.5        -0.8  setosa
# 5          2.0         1.6         -0.6        -0.8  setosa
# 6          2.4         1.9         -0.3        -0.6  setosa


iris %>% baseline_op(baseline, pmax, na.rm = TRUE) %>% head
# Sepal.Length Sepal.Width Petal.Length Petal.Width Species
# 1          5.1         3.5            2           1  setosa
# 2          4.9         3.0            2           1  setosa
# 3          4.7         3.2            2           1  setosa
# 4          4.6         3.1            2           1  setosa
# 5          5.0         3.6            2           1  setosa
# 6          5.4         3.9            2           1  setosa

推荐文章