使用mutate_each将R中的一组行除以2

我有一个这样的数据框

Letter   Number1 Number2 Number3 Type
A           4      5        3      10
B           10     22       24     20
C           50     24       100    30
D           60     32       12     40

在这里，我想使用mutate_将数字1、数字2和数字3除以2，而不对字母和类型做任何操作。 有没有轻松的一天可以做到这一点

这就是我想要的最终DF的样子

Letter   Number1 Number2 Number3 Type
A           2      2.5     1.5     10
B           5      11       12     20
C           25     12       50    30
D           30     16       6     40

---

谢谢

我们可以使用

start\u with

或

matches

选择“Number”列，并将这些列除以2

library(dplyr)
mutate_each(df1, funs(./2), starts_with('Number'))
#    Letter Number1 Number2 Number3 Type
#1      A       2     2.5     1.5   10
#2      B       5    11.0    12.0   20
#3      C      25    12.0    50.0   30
#4      D      30    16.0     6.0   40

正如@Cotton.Rockwood在评论中建议的那样，在较新版本的

dplyr

（

0.7.6

）中，我们可以使用

mutate\u at

（用于更改列的子集）或

mutate\u all

（用于更改所有列）

或者使用

data.table

，我们将'data.frame'转换为'data.table'（

setDT（df1）

），获取以'Number'（'nm1'）开头的列名，用新值分配'nm1'，即除以'2'后

library(data.table)#v1.9.4+
setDT(df1)
nm1 <- grep('^Number', names(df1), value=TRUE)
df1[, (nm1):= lapply(.SD, `/`, 2), .SDcols=nm1]

数据

---

df1我们可以使用
start\u with
或
matches
选择“Number”列，并将这些列除以2

library(dplyr)
mutate_each(df1, funs(./2), starts_with('Number'))
#    Letter Number1 Number2 Number3 Type
#1      A       2     2.5     1.5   10
#2      B       5    11.0    12.0   20
#3      C      25    12.0    50.0   30
#4      D      30    16.0     6.0   40

正如@Cotton.Rockwood在评论中建议的那样，在较新版本的
dplyr
（
0.7.6
）中，我们可以使用
mutate\u at
（用于更改列的子集）或
mutate\u all
（用于更改所有列）

或者使用
data.table
，我们将'data.frame'转换为'data.table'（
setDT（df1）
），获取以'Number'（'nm1'）开头的列名，用新值分配'nm1'，即除以'2'后

library(data.table)#v1.9.4+
setDT(df1)
nm1 <- grep('^Number', names(df1), value=TRUE)
df1[, (nm1):= lapply(.SD, `/`, 2), .SDcols=nm1]

数据
df1A base
R
在以下情况下的解决方案：

indx <- grepl("Number", names(df))
df[indx] <- df[indx]/2L

 #>df
 #    Letter Number1 Number2 Number3 Type
 #1      A       2     2.5     1.5   10
 #2      B       5    11.0    12.0   20
 #3      C      25    12.0    50.0   30
 #4      D      30    16.0     6.0   40

indxA base
R
在以下情况下的解决方案：

indx <- grepl("Number", names(df))
df[indx] <- df[indx]/2L

 #>df
 #    Letter Number1 Number2 Number3 Type
 #1      A       2     2.5     1.5   10
 #2      B       5    11.0    12.0   20
 #3      C      25    12.0    50.0   30
 #4      D      30    16.0     6.0   40

indx
创建测试数据帧

letter <- c("A", "B", "C", "D")
n1 <- c(4, 10, 50, 60)
n2 <- c(5, 22, 24, 32)
n3 <- c(3, 24, 100, 12)
type <- c(10, 20, 30, 40)

df <- data.frame(letter, n1, n2, n3, type)

发挥自己的作用

mydivide <- function(x){x/2}

创建测试数据帧

letter <- c("A", "B", "C", "D")
n1 <- c(4, 10, 50, 60)
n2 <- c(5, 22, 24, 32)
n3 <- c(3, 24, 100, 12)
type <- c(10, 20, 30, 40)

df <- data.frame(letter, n1, n2, n3, type)

发挥自己的作用

mydivide <- function(x){x/2}

您可以使用基本R:
df[，grepl（'Number'，names（df））]=df[，grepl（'Number'，names（df））]/2
您可以使用基本R:
df[，grepl（'Number'，names（df））]=df[，grepl（'Number'，names（df））]/2
快速注意，
每种
都被弃用，现在被
全部
，
突变
或
突变
。在本例中，您将使用
mutate\u at
，并且需要使用
vars（）
引用helper函数。新的正确dplyr代码将是：
mutate_at（df1，vars（以（'Number'））开头），funs（./2））
请注意，
mutate_each
已被弃用，现在被
mutate_all
，
mutate_at
或
mutate_if
所取代。在本例中，您将使用
mutate\u at
，并且需要使用
vars（）
引用helper函数。新的正确dplyr代码是：
mutate_at（df1，vars（以（'Number'）开头），funs（./2））
df <- mutate_each(df, funs(mydivide), -letter, -type)

# letter n1   n2   n3 type
# 1      A  2  2.5  1.5   10
# 2      B  5 11.0 12.0   20
# 3      C 25 12.0 50.0   30
# 4      D 30 16.0  6.0   40