R 循环以计算权重并创建新变量

如果我从以下数据集开始并调用

df

：

   A    B
  0.8   0.9
  0.99  0.88
  0.7   0.9658
  0.65  0.6684

我的目标是实现以下数据集，其中包含一组新变量，使用与初始集不同的权重：

    A        B      A_10    A_20    A_30    A_40    A_50
    0.8     0.9     0.89    0.88    0.87    0.86    0.85
    0.99    0.88    0.891   0.902   0.913   0.924   0.935
    0.7     0.9658  0.93922 0.91264 0.88606 0.85948 0.8329
    0.65    0.6684  0.66656 0.66472 0.66288 0.66104 0.6592

我使用的代码是：

   for (i in 10:90) {
        df <- df %>% mutate(A_[i] =(A*[i]/100)+(B*((1-[i])/100))) }

for（10:90中的i）{
df%突变（A[i]=（A*[i]/100）+（B*（（1-[i]）/100）））

我得到了以下错误：

错误：在“df%变异（A_i]=”中出现意外的“=”*

---

主要的一点是，要动态命名

dplyr

，您应该使用语法

%%>%mutate（！！paste0（“BG_”），i:=A+B）

for（i在seq（10,90,10））中）{
df%
突变（！！paste0（“BG_u1;”，i）：=（A*i/100）+（B*（（1-i）/100）））
}
df
#A B BG_10 BG_20 BG_30 BG_40 BG_50 BG_60
# 1 0.80 0.9000 -0.001000 -0.011000 -0.021000 -0.031000 -0.041000 -0.051000
# 2 0.99 0.8800  0.019800  0.030800  0.041800  0.052800  0.063800  0.074800
# 3 0.70 0.9658 -0.016922 -0.043502 -0.070082 -0.096662 -0.123242 -0.149822
# 4 0.65 0.6684  0.004844  0.003004  0.001164 -0.000676 -0.002516 -0.004356
#BG_70 BG_80 BG_90
# 1 -0.061000 -0.071000 -0.081000
# 2  0.085800  0.096800  0.107800
# 3 -0.176402 -0.202982 -0.229562
# 4 -0.006196 -0.008036 -0.009876

使用的数据：

df <- read.table(text = "A    B
0.8   0.9
0.99  0.88
0.7   0.9658
0.65  0.6684", head=T)

---

dfBase R替代方式：

df[paste0('A_', seq(10, 90, 10))] <- 
    lapply(seq(10, 90, 10), function(i) (df$A * i + df$B * (100 - i)) / 100)
# > df
#      A      B    A_10    A_20    A_30    A_40   A_50    A_60    A_70    A_80    A_90
# 1 0.80 0.9000 0.89000 0.88000 0.87000 0.86000 0.8500 0.84000 0.83000 0.82000 0.81000
# 2 0.99 0.8800 0.89100 0.90200 0.91300 0.92400 0.9350 0.94600 0.95700 0.96800 0.97900
# 3 0.70 0.9658 0.93922 0.91264 0.88606 0.85948 0.8329 0.80632 0.77974 0.75316 0.72658
# 4 0.65 0.6684 0.66656 0.66472 0.66288 0.66104 0.6592 0.65736 0.65552 0.65368 0.65184

df[paste0（'A_'，seq（10,90,10））]df
#A B A_10 A_20 A_30 A_40 A_50 A_60 A_70 A_80 A_90
# 1 0.80 0.9000 0.89000 0.88000 0.87000 0.86000 0.8500 0.84000 0.83000 0.82000 0.81000
# 2 0.99 0.8800 0.89100 0.90200 0.91300 0.92400 0.9350 0.94600 0.95700 0.96800 0.97900
# 3 0.70 0.9658 0.93922 0.91264 0.88606 0.85948 0.8329 0.80632 0.77974 0.75316 0.72658
# 4 0.65 0.6684 0.66656 0.66472 0.66288 0.66104 0.6592 0.65736 0.65552 0.65368 0.65184
我们也可以将其解析为表达式

library(tidyverse)
library(rlang)
s1 <- seq(10, 90, 10)
# or could be
#s1 <- 10:90
expr1 <- paste(glue::glue("(A * {s1} + B * (100 - {s1}))/100"), collapse=";")
nm1 <- paste0("A_", s1)   
out <- df %>%
        mutate(!!! parse_exprs(expr1)) %>%
        rename_at(vars(-one_of(names(df))), ~ nm1)

out
#     A      B    A_10    A_20    A_30    A_40   A_50    A_60    A_70    A_80    A_90
#1 0.80 0.9000 0.89000 0.88000 0.87000 0.86000 0.8500 0.84000 0.83000 0.82000 0.81000
#2 0.99 0.8800 0.89100 0.90200 0.91300 0.92400 0.9350 0.94600 0.95700 0.96800 0.97900
#3 0.70 0.9658 0.93922 0.91264 0.88606 0.85948 0.8329 0.80632 0.77974 0.75316 0.72658
#4 0.65 0.6684 0.66656 0.66472 0.66288 0.66104 0.6592 0.65736 0.65552 0.65368 0.65184

库（tidyverse）
图书馆（rlang）
s1它应该是seq（10，90，10）。hi和tks再次以这种方式实现了byt，然后它只创建了变量BG_90…请参见下面的代码：：：：（i in seq（from=10，to=90，by=10））{df2%突变（！！paste0（“BG_”，i）：=（BG_total*i）+（onet_total*（（100-1）/100））}@Suren，hi（I在seq（10,90,10）中，我只得到了5个变量。具体来说，我只得到了最后一次迭代BG_90。@这一次工作得非常完美！非常感谢所有R社区
library(tidyverse)
library(rlang)
s1 <- seq(10, 90, 10)
# or could be
#s1 <- 10:90
expr1 <- paste(glue::glue("(A * {s1} + B * (100 - {s1}))/100"), collapse=";")
nm1 <- paste0("A_", s1)   
out <- df %>%
        mutate(!!! parse_exprs(expr1)) %>%
        rename_at(vars(-one_of(names(df))), ~ nm1)

out
#     A      B    A_10    A_20    A_30    A_40   A_50    A_60    A_70    A_80    A_90
#1 0.80 0.9000 0.89000 0.88000 0.87000 0.86000 0.8500 0.84000 0.83000 0.82000 0.81000
#2 0.99 0.8800 0.89100 0.90200 0.91300 0.92400 0.9350 0.94600 0.95700 0.96800 0.97900
#3 0.70 0.9658 0.93922 0.91264 0.88606 0.85948 0.8329 0.80632 0.77974 0.75316 0.72658
#4 0.65 0.6684 0.66656 0.66472 0.66288 0.66104 0.6592 0.65736 0.65552 0.65368 0.65184