您可以使用 dplyr cross() 来遍历成对的列吗？

问题描述

我有 18 对变量，我想对它们进行成对数学运算以计算 18 个新变量。将公式应用于一列时，dplyr 中的 cross() 函数非常方便。有没有办法将 cross() 应用于成对的列？

简单除法 2 个变量的小例子（我的实际代码会更复杂，一些 ifelse，...）：

library(tidyverse)
library(glue)

# filler data
df <- data.frame("label" = c('a','b','c','d'),"A" = c(4,3,8,9),"B" = c(10,4,1),"error_A" = c(0.4,0.3,0.2,0.1),"error_B" = c(0.3,0.4,0.1))

# what I want to have in the end 
# instead of just 2 (A,B),I have 18
df1 <- df %>% mutate(
  'R_A' = A/error_A,'R_B' = B/error_B
)

# what I'm thinking about doing to use both variables A and error_A to calculate the new column
df2 <- df %>% mutate(
  across(c('A','B'),~.x/{HOW DO I USE THE COLUMN WHOSE NAME IS glue('error_',.x)}
         .names = 'R_{.col}'
)

解决方法

一个选项是map/reduce。指定感兴趣的列 ('nm1')，在 map 中循环它们，select 来自数据集的那些列，reduce 通过划分，rename 列绑定后的列(_dfc)，并将它们与原始数据集绑定

library(dplyr)
library(purrr)
library(stringr)
nm1 <- c('A','B')
map_dfc(nm1,~ df %>% 
                select(ends_with(.x)) %>% 
                reduce(.,`/`) ) %>%
    rename_all(~ str_c('R_',nm1)) %>%
    bind_cols(df,.)

-输出

#  label A  B error_A error_B R_A      R_B
#1     a 4 10     0.4     0.3  10 33.33333
#2     b 3  0     0.3     0.0  10      NaN
#3     c 8  4     0.2     0.4  40 10.00000
#4     d 9  1     0.1     0.1  90 10.00000

---

或者带有 across

的其他选项

df %>% 
    mutate(across(c(A,B),~ 
     ./get(str_c('error_',cur_column() )),.names = 'R_{.col}' ))
#  label A  B error_A error_B R_A      R_B
#1     a 4 10     0.4     0.3  10 33.33333
#2     b 3  0     0.3     0.0  10      NaN
#3     c 8  4     0.2     0.4  40 10.00000
#4     d 9  1     0.1     0.1  90 10.00000    

,

我喜欢上面的 akruns 答案，尤其是带有 cur_column() 的方法。有趣的是，cur_column() 不能与 {rlang} 的求值 (!! sym(paste0("error_",cur_column()))) 一起使用，但 get 是一个不错的解决方法。

再添加一种方法，它也适用于 dpylr mutate 自定义函数与 purrr::reduce() 一起使用。在此函数中，x 是您的字符串词干，您可以使用 !! sym(paste0(...)) 构造要访问的所有变量。在左侧，您可以使用 {rlang} 的粘合语法。

您通过对字符串向量调用 reduce() 来应用此自定义函数，并且您的 data.frame 进入 .init = . 参数。

library(tidyverse)
library(glue)


# filler data
df <- data.frame("label" = c('a','b','c','d'),"A" = c(4,3,8,9),"B" = c(10,4,1),"error_A" = c(0.4,0.3,0.2,0.1),"error_B" = c(0.3,0.4,0.1))

gen_vars1 <- function(df,x) {
  
  mutate(df,"R_{x}" := !! sym(x) / !! sym(paste0("error_",x)))
}

df %>% 
  reduce(c("A","B"),gen_vars1,.init = .)
#>   label A  B error_A error_B R_A      R_B
#> 1     a 4 10     0.4     0.3  10 33.33333
#> 2     b 3  0     0.3     0.0  10      NaN
#> 3     c 8  4     0.2     0.4  40 10.00000
#> 4     d 9  1     0.1     0.1  90 10.00000

^{由 reprex package (v0.3.0) 于 2021 年 1 月 2 日创建}

我曾经为这种问题打开了一个 feature request，但显然 {dplyr} 的情况太特殊了。当您点击链接时，您还可以找到其他选项来执行此类操作。

,

一种选择可能是：

df %>%
 mutate(across(c(A,.names = "R_{col}")/across(starts_with("error")))

  label A  B error_A error_B R_A      R_B
1     a 4 10     0.4     0.3  10 33.33333
2     b 3  0     0.3     0.0  10      NaN
3     c 8  4     0.2     0.4  40 10.00000
4     d 9  1     0.1     0.1  90 10.00000

,

对于这种情况，我发现基本 R 解决方案也很直接且高效。它不需要遍历列或唯一值。您定义两组列并直接将它们分开。

对于您分享的示例，我们可以通过查找仅包含一个字符的列名称来识别 "A" 和 "B" 列。

cols <- grep('^.$',names(df),value = TRUE)
error_cols <- grep('error',value = TRUE)

df[paste0('R_',cols)] <- df[cols]/df[error_cols]
df

#  label A  B error_A error_B R_A  R_B
#1     a 4 10     0.4     0.3  10 33.3
#2     b 3  0     0.3     0.0  10  NaN
#3     c 8  4     0.2     0.4  40 10.0
#4     d 9  1     0.1     0.1  90 10.0