R 使用mutate_at和which.max对数据帧的选定列进行操作

我正在尝试使用

mutate_at

和

which.max

的组合来操作数据帧，如下所述

#This is basically what I want to achieve
df_want <- iris %>% group_by(Species) %>% mutate(Sepal.Length = Sepal.Length[which.max(Petal.Width)],
                                      Sepal.Width = Sepal.Width[which.max(Petal.Width)])

#Here is my attempt at a smarter solution, but it does not work
df_attempt <- iris %>% group_by(Species) %>% mutate_at(c("Sepal.Length", "Sepal.Width"), function(x) x[which.max("Petal.Width")])

#However, this works
df_test <- iris %>% group_by(Species) %>% mutate_at(c("Sepal.Length", "Sepal.Width"), function(x) x + 100)

---

在仍然使用

mutate\u at

的情况下，我如何解决这个问题？

标准

dplyr

方法是：

df_want <- iris %>% 
  group_by(Species) %>% 
  mutate(Sepal.Length = Sepal.Length[which.max(Petal.Width)],
         Sepal.Width = Sepal.Width[which.max(Petal.Width)])

df_attempt <- iris %>% 
  group_by(Species) %>% 
  mutate_at(vars(Sepal.Length, Sepal.Width), funs(.[which.max(Petal.Width)]))

df_所需百分比
组别(种类)%>%
变异（萼片长度=萼片长度[哪个最大（花瓣宽度）]，
萼片宽度=萼片宽度[which.max（花瓣宽度）]）
df_尝试百分比
组别(种类)%>%
变异_at（变异（萼片长度，萼片宽度），funs（[which.max（花瓣宽度）]）

结果：

# A tibble: 150 x 5
# Groups:   Species [3]
   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
          <dbl>       <dbl>        <dbl>       <dbl>  <fctr>
 1            5         3.5          1.4         0.2  setosa
 2            5         3.5          1.4         0.2  setosa
 3            5         3.5          1.3         0.2  setosa
 4            5         3.5          1.5         0.2  setosa
 5            5         3.5          1.4         0.2  setosa
 6            5         3.5          1.7         0.4  setosa
 7            5         3.5          1.4         0.3  setosa
 8            5         3.5          1.5         0.2  setosa
 9            5         3.5          1.4         0.2  setosa
10            5         3.5          1.5         0.1  setosa
# ... with 140 more rows

> identical(df_want, df_attempt)
[1] TRUE

#一个tible:150 x 5
#类群：种[3]
萼片。长萼片。宽花瓣。长花瓣。宽种
1 5 3.5 1.4 0.2刚毛
2 5 3.5 1.4 0.2刚毛
3.5.5 1.3 0.2刚毛
4 5 3.5 1.5 0.2刚毛
5 3.5 1.4 0.2刚毛
6 5 3.5 1.7 0.4刚毛
7 5 3.5 1.4 0.3刚毛
8 5 3.5 1.5 0.2刚毛
9 5 3.5 1.4 0.2刚毛
10 5 3.5 1.5 0.1刚毛
# ... 还有140多行
>相同（想要，尝试）
[1] 真的

注意：

# A tibble: 150 x 5
# Groups:   Species [3]
   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
          <dbl>       <dbl>        <dbl>       <dbl>  <fctr>
 1            5         3.5          1.4         0.2  setosa
 2            5         3.5          1.4         0.2  setosa
 3            5         3.5          1.3         0.2  setosa
 4            5         3.5          1.5         0.2  setosa
 5            5         3.5          1.4         0.2  setosa
 6            5         3.5          1.7         0.4  setosa
 7            5         3.5          1.4         0.3  setosa
 8            5         3.5          1.5         0.2  setosa
 9            5         3.5          1.4         0.2  setosa
10            5         3.5          1.5         0.1  setosa
# ... with 140 more rows

> identical(df_want, df_attempt)
[1] TRUE

使用

vars

可以使用NSE引用变量

使用

funs

可以使用

引用每一列，这相当于

函数（x）x

---

所需输出为df_所需。