代码之家 › 专栏 › 技术社区 › iago

如何有效地从其他索引变量的条件中创建变量?

mutate purrr dplyr r

iago · 技术社区 · 6 年前

让我们看一个例子。为此,我有两个观察重复了4次:

> data(anscombe)
> anscombe
   x1 x2 x3 x4    y1   y2    y3    y4
1  10 10 10  8  8.04 9.14  7.46  6.58
2   8  8  8  8  6.95 8.14  6.77  5.76
3  13 13 13  8  7.58 8.74 12.74  7.71
4   9  9  9  8  8.81 8.77  7.11  8.84
5  11 11 11  8  8.33 9.26  7.81  8.47
6  14 14 14  8  9.96 8.10  8.84  7.04
7   6  6  6  8  7.24 6.13  6.08  5.25
8   4  4  4 19  4.26 3.10  5.39 12.50
9  12 12 12  8 10.84 9.13  8.15  5.56
10  7  7  7  8  4.82 7.26  6.42  7.91
11  5  5  5  8  5.68 4.74  5.73  6.89

如果我想知道第一次观测值大于10,第二次观测值大于9的四次中有多少次,我至少有两个选择可以继续:

其次,我可以做下一步:

library(dplyr)
library(purrr)
anscombe %>%
  mutate(new_var = rowSums(map_dfc(
    1:4,
    ~ anscombe[[paste0("x",.)]] > 10 & anscombe[[paste0("y",.)]] > 9
  ), na.rm = T)) 

   x1 x2 x3 x4    y1   y2    y3    y4 new_var
1  10 10 10  8  8.04 9.14  7.46  6.58       0
2   8  8  8  8  6.95 8.14  6.77  5.76       0
3  13 13 13  8  7.58 8.74 12.74  7.71       1
4   9  9  9  8  8.81 8.77  7.11  8.84       0
5  11 11 11  8  8.33 9.26  7.81  8.47       1
6  14 14 14  8  9.96 8.10  8.84  7.04       1
7   6  6  6  8  7.24 6.13  6.08  5.25       0
8   4  4  4 19  4.26 3.10  5.39 12.50       1
9  12 12 12  8 10.84 9.13  8.15  5.56       2
10  7  7  7  8  4.82 7.26  6.42  7.91       0
11  5  5  5  8  5.68 4.74  5.73  6.89       0

太好了!它起作用了。但是,因为在我的实际数据中,每次我都有更多的观察和条件,所以我想做一行 anscombe[[paste0("x",.)]] > 10 & anscombe[[paste0("y",.)]] > 9

例如,使用 dplyr 函数中,数据帧名称往往可以避免。也许我得用 rlang 功能 sym 具体如下:

!!sym(paste0("x",.)) > 10 & !!sym(paste0("y",.)) > 9

我试过了,但没用。也许还有别的功能 map_dfc 在里面 dplyr公司 purrr 或者是其他一些能让你以更简单、更有效的方式完成任务的软件包。你有什么想法吗?

非常感谢你。

2 回复 | 直到 6 年前

akrun 6 年前

1) 拆分/映射2: 这里有一个选项 split 基于 names 数据集的。这里,我们把名字末尾的数字部分去掉, 分裂 将数据集转换为 list 属于 data.frames ,使用 map2 reduce 然后得到 rowSums

library(dplyr)
library(purrr)
library(stringr)
anscombe %>%
    split.default(str_remove(names(.), "\\d+$")) %>%
    map2(.,  c(10, 9),  `>`) %>% 
    reduce(`&`) %>% 
    rowSums %>%
    bind_cols(anscombe, new_var = .)
#   x1 x2 x3 x4    y1   y2    y3    y4 new_var
#1  10 10 10  8  8.04 9.14  7.46  6.58       0
#2   8  8  8  8  6.95 8.14  6.77  5.76       0
#3  13 13 13  8  7.58 8.74 12.74  7.71       1
#4   9  9  9  8  8.81 8.77  7.11  8.84       0
#5  11 11 11  8  8.33 9.26  7.81  8.47       1
#6  14 14 14  8  9.96 8.10  8.84  7.04       1
#7   6  6  6  8  7.24 6.13  6.08  5.25       0
#8   4  4  4 19  4.26 3.10  5.39 12.50       1
#9  12 12 12  8 10.84 9.13  8.15  5.56       2
#10  7  7  7  8  4.82 7.26  6.42  7.91       0
#11  5  5  5  8  5.68 4.74  5.73  6.89       0

2) 轴长: 另一个选择是 pivot_longer 从 tidyr 它可以获取多组列并将其重塑为“long”格式

library(dplyr)
library(tidyr) #1.0.0
library(tibble)
anscombe  %>% 
   rownames_to_column('rn') %>% 
   pivot_longer( -rn, names_to = c(".value", "repl"), 
        values_to = c('x', 'y'), names_pattern = '(\\D+)(\\d+)') %>% 
   group_by(rn) %>% 
   summarise(new_var =  sum(x > 10 & y > 9, na.rm = TRUE)) %>%
   arrange(as.integer(rn)) %>%
   select(-rn) %>%
   bind_cols(anscombe, .)
#   x1 x2 x3 x4    y1   y2    y3    y4 new_var
#1  10 10 10  8  8.04 9.14  7.46  6.58       0
#2   8  8  8  8  6.95 8.14  6.77  5.76       0
#3  13 13 13  8  7.58 8.74 12.74  7.71       1
#4   9  9  9  8  8.81 8.77  7.11  8.84       0
#5  11 11 11  8  8.33 9.26  7.81  8.47       1
#6  14 14 14  8  9.96 8.10  8.84  7.04       1
#7   6  6  6  8  7.24 6.13  6.08  5.25       0
#8   4  4  4 19  4.26 3.10  5.39 12.50       1
#9  12 12 12  8 10.84 9.13  8.15  5.56       2
#10  7  7  7  8  4.82 7.26  6.42  7.91       0
#11  5  5  5  8  5.68 4.74  5.73  6.89       0

3) 底部R: (类似于第一种方法的逻辑)。这样我们就可以自动完成了 分裂 基于前缀相似度的数据分块

anscombe$new_var <- rowSums(Reduce(`&`, Map(`>`, 
  split.default(anscombe, sub("\\d+$", "", names(anscombe))), c(10, 9))))

或者使用前缀匹配的另一个选项是循环通过唯一的子字符串前缀(比 )然后申请

rowSums(Reduce(`&`, Map(`>`, lapply(unique(sub("\\d+$", "", 
        names(anscombe))), function(nm)
           anscombe[grep(nm, names(anscombe))]), c(10, 9))))
 #[1] 0 0 1 0 1 1 0 1 2 0 0

Yifu Yan 6 年前

你可以试试 pmap 在里面 purrr 明智地迭代数据帧行

library(dplyr)
library(purrr)
library(stringr)


new_var <- pmap_dbl(anscombe, function(...){
    row <- unlist(list(...))
    x <- row[str_subset(names(row),"^x")]
    y <- row[str_subset(names(row),"^y")]
    sum((x > 10) & (y > 9))
})


anscombe[,"new_var"] <- new_var

> anscombe
   x1 x2 x3 x4    y1   y2    y3    y4 new_var
1  10 10 10  8  8.04 9.14  7.46  6.58       0
2   8  8  8  8  6.95 8.14  6.77  5.76       0
3  13 13 13  8  7.58 8.74 12.74  7.71       1
4   9  9  9  8  8.81 8.77  7.11  8.84       0
5  11 11 11  8  8.33 9.26  7.81  8.47       1
6  14 14 14  8  9.96 8.10  8.84  7.04       1
7   6  6  6  8  7.24 6.13  6.08  5.25       0
8   4  4  4 19  4.26 3.10  5.39 12.50       1
9  12 12 12  8 10.84 9.13  8.15  5.56       2
10  7  7  7  8  4.82 7.26  6.42  7.91       0
11  5  5  5  8  5.68 4.74  5.73  6.89       0

jay.sf 6 年前

rowSums(anscombe[1:4] > 10 & anscombe[5:8] > 9)
# [1] 0 0 1 0 1 1 0 1 2 0 0

或

rowSums(anscombe[grep("^x", names(anscombe))] > 10 & 
          anscombe[grep("^y", names(anscombe))] > 9)
# [1] 0 0 1 0 1 1 0 1 2 0 0

iago 6 年前

在github中,另一个与我的尝试类似的选择告诉我:

library(dplyr)
library(purrr)
anscombe %>%
  mutate(new_var = rowSums(map_dfc(
    1:4,
    ~ get(paste0("x",.)) > 10 & get(paste0("y",.)) > 9
  ), na.rm = T))

Date 或者别的什么),允许灵活地编写条件,缩短脚本几个,而且很直观。