代码之家 › 专栏 › 技术社区 › DTYK

使用mutate-at重新编码多个列值,并基于管道中的mutated列创建新列

dplyr r

0

DTYK · 技术社区 · 8 年前

我有一个宽格式的问卷数据框架,每一列代表一个问卷项目。

我知道如何重新编码列中的值,并根据在其他列中找到的值创建新列。然而,我在尝试在一个管道中同时做这两件事时遇到了问题。

我的数据如下:

df <- data.frame(Q1 = c(1, 2, 1, 4), Q2 = c(4, 2, 3, 1), Q3 = c(3, 3, 2, 3),
             Q4 = c(4, 4, 2, 4), Q5 = c(4, 2, 3, 1), Q6 = c(7, 2, 3, 1))

以我的示例数据集为例,我打算从列Q1、Q2和Q3中减去1,并用新的(减去的)值替换原始值同时,我希望创建一个新列,其中包含Q1、Q2和Q3的平均值,同时忽略任何NA值或3的值。

我尝试了下面的代码,但是Q1、Q2和Q3列没有用减去的值更新。

library(dplyr)

df$mean <- df %>%
  select(Q1, Q2, Q3) %>%
  mutate_all(funs(. - 1)) %>%
  apply(1, function(x) {
    round(mean(x[!is.na(x) & x != 3]), digits = 2)
  })

我试过用 mutate_at 然后 mutate 在管子里但是,最终结果会删除所有未选中的列。我仍然希望其他列位于最终数据集中:

df <- df %>%
  select(Q1, Q2, Q3) %>%
  mutate_all(funs(. - 1)) %>%
  mutate(mean = apply(., 1, function(x)
    round(mean(x[!is.na(x) & x != 3]), digits = 2)))

谢谢,非常感谢!

2 回复 | 直到 8 年前

1

MeetMrMet 8 年前

我们可以定义要对其执行操作的变量向量,然后在 mutate_at 做减法运算就平均而言,我们可以 select 在 apply 你已经有了

subtract <- c("Q1", "Q2", "Q3")
df2 <- df %>%
  mutate_at(subtract, funs(. - 1)) %>%
  mutate(mean = apply(select(., one_of(subtract)), 1, function(x)
    round(mean(x[!is.na(x) & x != 3]), digits = 2)))

df2
#   Q1 Q2 Q3 Q4 Q5 Q6 mean
# 1  0  3  2  4  4  7 1.00
# 2  1  1  2  4  2  2 1.33
# 3  0  2  1  2  3  3 1.00
# 4  3  0  2  4  1  1 1.00

2

1

Ronak Shah 8 年前

一个选择是我们 select 所需的列,从每个列中减去-1,然后 mean , rowwise 从这些列中添加新列。

library(tidyverse)

df %>%
  select(1:3) %>%
  mutate_all(funs(. - 1)) %>%
  rowwise() %>%
  do( (.) %>% as.data.frame %>% 
      mutate(mean = mean(.[. != 3], na.rm = TRUE)))

#    Q1    Q2    Q3  mean
#* <dbl> <dbl> <dbl> <dbl>
#1  0     3.00  2.00  1.00
#2  1.00  1.00  2.00  1.33
#3  0     2.00  1.00  1.00
#4  3.00  0     2.00  1.00

也可以写成

(df[1:3] - 1) %>%
    rowwise() %>%
    do( (.) %>% as.data.frame %>% 
    mutate(mean = mean(.[. != 3], na.rm = TRUE)))

或者完全避免 do 调用我们可以创建一个函数来计算 意思是 应用它 顺时针

apply_fun <- function(x) {
  mean(x[x != 3], na.rm = TRUE)
}

(df[1:3] - 1) %>%
  rowwise() %>%
  mutate(mean = apply_fun(c(Q1, Q2, Q3)))

 #    Q1    Q2    Q3  mean
 #  <dbl> <dbl> <dbl> <dbl>
 #1  0     3.00  2.00  1.00
 #2  1.00  1.00  2.00  1.33
 #3  0     2.00  1.00  1.00
 #4  3.00  0     2.00  1.00