使用dplyr mutate自动生成新变量名

好的，这将是一篇很长的文章。 因此，我对R相当陌生（我目前正在使用MR free 3.5，没有检查点），但我正在尝试使用tidyverse，我发现它在编写代码方面非常优雅，而且很多时候非常简单

我决定复制guru99的一个练习。这是一个简单的k-means练习。然而，因为我总是想编写“可推广”的代码，所以我尝试用新名称自动重命名mutate中的变量。所以我搜索了一下，找到了这个非常好的解决方案

首先是好的

#library(tidyverse)

link <- "https://raw.githubusercontent.com/guru99-edu/R-Programming/master/computers.csv"
df <- read.csv(link)

rescaled <- df %>% discard(is.factor) %>%
  select(-X) %>% 
  mutate_all(
    funs("scaled" = scale) 
  ) 

#库（tidyverse）
链接%
突变(
funs（“缩放”=缩放）
) 

当您使用read.csv下载数据时，您将在dataframe类中获得df，一切正常

现在奇怪的想法开始了。如果您使用read_csv下载数据，或在之后的任何时间点将其设置为TIB（第一个X变量将命名为X1，您需要将is.factor更改为is.character，因为除非明确要求，否则stings会转换为character not factors，以供将来的me和其他人使用。） 然后运行代码

df1 <- read_csv(link)

df1 %>% discard(is.character) %>%
  select(-X1) %>% 
  mutate_all(
    funs("scaled" = scale) 
  ) 

df1%丢弃（is.字符）%>%
选择（-X1）%>%
突变(
funs（“缩放”=缩放）
) 

在控制台中查看输出或打印（）时，新命名变量被命名为price_scaled[，1]speed_scaled[，1]hd_scaled[，1]ram_scaled[，1]等

但是如果你在上面查看（），你会看到带有你期望的名称的输出，这些名称是price\u scaled speed\u scaled hd\u scaled等。同样我正在为代码使用一个Rmarkdown文档，当我将块输出更改为内联时，它会正确地显示带有hd\u scaled等的名称

任何人都不知道如何在控制台上打印名字，比如price_scaled等

为什么会这样

尽管这是一个有趣的问题

scale（）

返回一个矩阵，dplyr/tibble不会自动将其强制为向量。通过将

mutate_all（）

调用更改为下面的，我们可以让它返回一个向量。我通过调用

类（df1$speed\u scaled）

并查看“matrix”的结果来确定这就是正在发生的事情

库（tidyverse）
使用列规范解析的链接：
#>科尔斯(
#>X1=col_double（），
#>price=col_double（），
#>速度=col_double（），
#>hd=col_double（），
#>ram=col_double（），
#>screen=col_double（），
#>cd=列字符（），
#>multi=列字符（），
#>高级=列字符（），
#>ads=col_double（），
#>趋势=col_double（）
#> )
df%%>%放弃（is.字符）%%>%
选择（-X1）%>%
突变(
列表（“缩放”=功能（x）缩放（x）[[1]]）
) 
#>#A tible:6259 x 14
#>价格速度高清ram屏幕广告趋势价格\u缩放速度\u缩放
#>                           
#>  1  1499    25    80     4     14    94     1        -1.24        -1.28
#>  2  1795    33    85     2     14    94     1        -1.24        -1.28
#>  3  1595    25   170     4     15    94     1        -1.24        -1.28
#>  4  1849    25   170     8     14    94     1        -1.24        -1.28
#>  5  3295    33   340    16     14    94     1        -1.24        -1.28
#>  6  3695    66   340    16     14    94     1        -1.24        -1.28
#>  7  1720    25   170     4     14    94     1        -1.24        -1.28
#>  8  1995    50    85     2     14    94     1        -1.24        -1.28
#>  9  2225    50   210     8     14    94     1        -1.24        -1.28
#> 10  2575    50   210     4     15    94     1        -1.24        -1.28
#> # ... 再增加6249行和5个变量：hd_scaled，
#>#ram#u缩放、screen#u缩放、ads#u缩放、，
#>#趋势#

library(tidyverse)
link <- "https://raw.githubusercontent.com/guru99-edu/R-Programming/master/computers.csv"
df <- read_csv(link)
#> Warning: Missing column names filled in: 'X1' [1]
#> Parsed with column specification:
#> cols(
#>   X1 = col_double(),
#>   price = col_double(),
#>   speed = col_double(),
#>   hd = col_double(),
#>   ram = col_double(),
#>   screen = col_double(),
#>   cd = col_character(),
#>   multi = col_character(),
#>   premium = col_character(),
#>   ads = col_double(),
#>   trend = col_double()
#> )

df %>% discard(is.character) %>%
  select(-X1) %>% 
  mutate_all(
    list("scaled" = function(x) scale(x)[[1]]) 
  ) 
#> # A tibble: 6,259 x 14
#>    price speed    hd   ram screen   ads trend price_scaled speed_scaled
#>    <dbl> <dbl> <dbl> <dbl>  <dbl> <dbl> <dbl>        <dbl>        <dbl>
#>  1  1499    25    80     4     14    94     1        -1.24        -1.28
#>  2  1795    33    85     2     14    94     1        -1.24        -1.28
#>  3  1595    25   170     4     15    94     1        -1.24        -1.28
#>  4  1849    25   170     8     14    94     1        -1.24        -1.28
#>  5  3295    33   340    16     14    94     1        -1.24        -1.28
#>  6  3695    66   340    16     14    94     1        -1.24        -1.28
#>  7  1720    25   170     4     14    94     1        -1.24        -1.28
#>  8  1995    50    85     2     14    94     1        -1.24        -1.28
#>  9  2225    50   210     8     14    94     1        -1.24        -1.28
#> 10  2575    50   210     4     15    94     1        -1.24        -1.28
#> # ... with 6,249 more rows, and 5 more variables: hd_scaled <dbl>,
#> #   ram_scaled <dbl>, screen_scaled <dbl>, ads_scaled <dbl>,
#> #   trend_scaled <dbl>