仅当变量存在时才执行mutate功能

问题描述

我有一个将特定功能应用于数据帧中多个列的功能。这些功能中的每一个都是唯一的，并且只能应用于该列。

convert_columns <- function(df) {
    df %>% mutate(
        a = convert_a(a),b = convert_b(b),c = convert_c(c),d = convert_d(d),e = convert_e(e)
        )
}

但是，用户可能会输入仅包含这些列的子集的数据框（例如，仅a，b和c。我想如果这些列存在于输入数据框中，并且忽略了列mutate和a，则b列c，d和e的函数

我尝试过

convert_columns <- function(df) {
    df %>% mutate(across(any of(),a = convert_a(a),e = convert_e(e)
        ))
}

和

convert_columns <- function(df) {
    df %>% mutate(across(any of(
        a = convert_a(a),e = convert_e(e)
        )))
}

这些不起作用。 tidyverse语法中是否有一种简单的方法可以完成我想做的事情？在我的实际用例中，我将要变异的列数约为150。

解决方法

由于函数对于每个变量都是唯一的，因此如果其中一列失败，您想返回剩余的值并不能比在各个列上使用tryCatch提出更好的解决方案。

library(dplyr)

convert_columns <- function(df) {
  df %>% 
    mutate(
    a = tryCatch(convert_a(a),error = function(z) return(NA)),b = tryCatch(convert_b(b),c = tryCatch(convert_c(c),#...
    #...
    )
}

可以使用下面的mtcars示例进行测试：

这有效-

mtcars %>%
  mutate(a = n_distinct(cyl),b = mean(mpg),c = sd(am))

现在，如果我们删除其中一列，则以上操作将失败：

mtcars %>%
  select(-am) %>%
  mutate(a = n_distinct(cyl),c = sd(am))

错误：mutate()输入c出现问题。 x无法将类型'closure'强制转换为类型'double'的向量 ℹ输入c是sd(am)。

现在使用tryCatch

mtcars %>%
  select(-am) %>%
  mutate(a = tryCatch(n_distinct(cyl),error = function(e) return(NA)),b = tryCatch(mean(mpg),c = tryCatch(sd(am),error = function(e) return(NA)))

#   mpg cyl disp  hp drat  wt qsec vs gear carb a  b  c
#1   21   6  160 110  3.9 2.6   16  0    4    4 3 20 NA
#2   21   6  160 110  3.9 2.9   17  0    4    4 3 20 NA
#3   23   4  108  93  3.9 2.3   19  1    4    1 3 20 NA
#4   21   6  258 110  3.1 3.2   19  1    3    1 3 20 NA
#....

您可以使用switch()根据列名获取特定的功能。例如，在此，根据列名称将a，b和c列相加，相减或相乘。我们必须使用dplyr::cur_column()来获取跨列的名称（deparse(substitute())仅返回"col"）。

因此，通过以下方法，您可以仅向across()提供一个函数，但是将特定的函数应用于每列，同时获得any_of()的好处

library(dplyr)

ex <- function(x) {
  arg <- cur_column()
  fn <- switch(arg,a = `+`,b = `-`,c = `*`)
  fn(x,x)
}

df <- data.frame(a = c(1,2),b = c(3,4))

mutate(df,across(any_of(c("a","b","c")),ex))
#>   a b
#> 1 2 0
#> 2 4 0

使用data.table：

existing_cols <- c("a","c","d") %>% intersect(names(df))
setDT(df)
if(length(existing_cols) > 0)
  df[,(existing_cols) := map2(.SD,str_c("convert_",existing_cols),~do.call(.y,list(.x))),.SDcols = existing_cols
  ]

这在基数R中很简单。必须使用某种方法将函数与列名相关联，因此，让我们假设我们有一个函数或函数名funs的命名向量。然后遍历数据框的列，在funs中查找列名，并将相应的函数应用于各列。

convert_coiumns的第一个参数是数据帧，第二个参数是函数（或函数名）的命名向量，第三个参数是要转换的列的字符向量。最后一个参数默认为funs中具有功能的所有列。如果通常情况下每一列都必须具有相应的功能，那么最后一个参数的默认值可以简化为names(data)。

内部match.fun接受一个函数或函数名称（即字符串），并在每种情况下返回该函数，从而使乐趣包含函数，函数名称或混合。

convert_columns <- function(data,funs,nms = intersect(names(data),names(funs))) {
  for(nm in nms) data[[nm]] <- match.fun(funs[[nm]])(data[[nm]])
  data
}

# example 1 - uses built in BOD data frame
funs <- c(Time = sqrt,demand = mean)
convert_columns(BOD,funs)

# example 2 - same but use function names rather than functions themselves
funs2 <- c(Time = "sqrt",demand = "mean")
convert_columns(BOD,funs2)

# example 3 - DF does not have column b
funs3 <- c(a = sqrt,b = sum,c = mean)
DF <- data.frame(a = 1:3,c = 3:1)
convert_columns(DF,funs3)

# example 4 - grab functions from global environment - same DF
convert_a <- sum; convert_b <- prod; convert_c <- sqrt
funs4 <- mget(ls(pattern = "^convert_"))
names(funs4) <- sub("convert_","",names(funs4)) # remove convert_ from names
convert_columns(DF,funs4)

# example 5 - similar to 4
funs5 <- setNames(paste("convert",names(DF),sep = "_"),names(DF))
convert_columns(DF,funs5)

dplyr r r tidyverse