dplyr中的mutate_each/summary_each：如何选择某些列并为变异列指定新名称？_R_Dataframe_Dplyr

dplyr中的mutate_each/summary_each：如何选择某些列并为变异列指定新名称？

r dataframe

dplyr中的mutate_each/summary_each：如何选择某些列并为变异列指定新名称？,r,dataframe,dplyr,R,Dataframe,Dplyr,我对dplyr动词mutate\u感到有点困惑。使用基本的mutate将一列数据转换为（比如）z分数，并在data.frame中创建一个新列（这里的名称为z分数\数据）：到目前为止还不错。但到目前为止，我还没有弄清楚：我如何给这些新列起合适的名称，就像我在mutate中那样我如何选择我希望变异的某些列，就像我在第一种情况下使用select时所做的那样感谢您的帮助。dplyr>=0.4.3.9000的更新在dplyr开发版本0.4.3.9000（撰写本文时）中，已简化了mutate_e

我对

dplyr

动词

mutate\u感到有点困惑。

使用基本的

mutate

将一列数据转换为（比如）z分数，并在data.frame中创建一个新列（这里的名称为

z分数\数据

）：

到目前为止还不错。但到目前为止，我还没有弄清楚：

我如何给这些新列起合适的名称，就像我在

mutate

中那样

我如何选择我希望变异的某些列，就像我在第一种情况下使用

select

时所做的那样

感谢您的帮助。

dplyr>=0.4.3.9000的更新在dplyr开发版本0.4.3.9000（撰写本文时）中，已简化了

mutate_each

和

summary_each

中的命名，如下所示：

summary_each（）

和

mutate_each（）

的命名行为已被删除进行了调整，以便可以强制包含函数和变量名称：

summary_每个（mtcars、funs（平均值=平均值）、everything（））

如果您只想在

mutate_each

summary_each

中应用1个函数，并且希望为这些列指定新名称，则这一点非常重要

为了显示差异，这里是使用新命名功能的dplyr 0.4.3.9000的输出，与下面的选项a.2相比：

library(dplyr) # >= 0.4.3.9000
iris %>% mutate_each(funs(mysum = sum(.)), -Species) %>% head()
#  Sepal.Length Sepal.Width Petal.Length Petal.Width Species Sepal.Length_mysum Sepal.Width_mysum
#1          5.1         3.5          1.4         0.2  setosa              876.5             458.6
#2          4.9         3.0          1.4         0.2  setosa              876.5             458.6
#3          4.7         3.2          1.3         0.2  setosa              876.5             458.6
#4          4.6         3.1          1.5         0.2  setosa              876.5             458.6
#5          5.0         3.6          1.4         0.2  setosa              876.5             458.6
#6          5.4         3.9          1.7         0.4  setosa              876.5             458.6
#  Petal.Length_mysum Petal.Width_mysum
#1              563.7             179.9
#2              563.7             179.9
#3              563.7             179.9
#4              563.7             179.9
#5              563.7             179.9
#6              563.7             179.9

如果不提供新名称，而只提供1个函数，dplyr将更改现有列（与以前版本中一样）：

我假设这个新功能将在下一个版本0.4.4中通过CRAN提供

dplyr版本将保留现有名称 a、 2如果指定新的列名扩展名： a、 3手动为每列指定一个新名称（但仅适用于少数列）： a、 4使用命名向量创建具有新名称的其他列： 案例1：保留原始列

与选项a.1、a.2和a.3不同，dplyr将保持现有列不变，并以此方法创建新列。新列的名称等于您预先创建的命名向量的名称（本例中为

vars

）

b）在

mutate\u each

summary\u each

b、 1让dplyr找出新名称如果应用了多个函数，则可以让dplyr自己计算名称（并保留现有列）：

b、 2手动指定新列名使用多个函数时，另一个选项是自行指定列名扩展名：

iris %>% mutate_each(funs(MySum = sum(.), MyMean = mean(.)), -Species) %>% head()
#  Sepal.Length Sepal.Width Petal.Length Petal.Width Species Sepal.Length_MySum Sepal.Width_MySum Petal.Length_MySum
#1          5.1         3.5          1.4         0.2  setosa                876               459                564
#2          4.9         3.0          1.4         0.2  setosa                876               459                564
#3          4.7         3.2          1.3         0.2  setosa                876               459                564
#4          4.6         3.1          1.5         0.2  setosa                876               459                564
#5          5.0         3.6          1.4         0.2  setosa                876               459                564
#6          5.4         3.9          1.7         0.4  setosa                876               459                564
#  Petal.Width_MySum Sepal.Length_MyMean Sepal.Width_MyMean Petal.Length_MyMean Petal.Width_MyMean
#1               180                5.84               3.06                3.76                1.2
#2               180                5.84               3.06                3.76                1.2
#3               180                5.84               3.06                3.76                1.2
#4               180                5.84               3.06                3.76                1.2
#5               180                5.84               3.06                3.76                1.2
#6               180                5.84               3.06                3.76                1.2

我怎样才能像以前那样选择我希望变异的某些列在第一种情况下使用select

您可以通过以下方式引用要变异（或省略）的列来实现这一点（变异萼片长度，但不是种类）：

此外，您可以使用特殊函数选择要变异的列、以某个单词开头或包含该单词的所有列，例如：

iris %>% mutate_each(funs(sum), contains("Sepal"),  -Species) %>% head()

iris %>% mutate_at(.vars=vars(Sepal.Width), .funs=funs(mysum = sum(.))) %>% head()

有关这些功能的更多信息，请参见

？对每个

和

？选择

评论后编辑1：如果您想使用标准求值，dplyr提供了大多数函数的SE版本，这些函数的结尾都有一个附加的“\ux”。因此，在本例中，您将使用：

x <- c("Sepal.Width", "Sepal.Length") # vector of column names 
iris %>% mutate_each_(funs(sum), x) %>% head()

x%mutate\u each\u（funs（sum），x）%>%head（）

注意我在这里使用的

mutate\u each\u

< >编辑2：用选项A.4/P>> P> <代码>突变>每个< /代码>将被弃用，考虑使用<代码>突变> 。从

dplyr_0.5.0

文档：

将来，mutate_each（）和summary_each（）将被弃用，取而代之的是更具特色的函数族：mutate_all（）、mutate_at（）、mutate_if（）、summary_all（）、summary_at（）和summary_if（）

将函数应用于所有变量（物种除外）：警告：“.cols”参数已弃用，请参阅底部的注释

将函数应用于变量子集更新！适用于dplyr 0.7.1版本（2017-08-08）如果您看到消息：

.cols

已被重命名且已弃用，请使用

.vars

然后通过

.vars

更改

.cols

iris %>% mutate_at(.vars=vars(-Species), .funs=funs(mysum = sum(.))) %>% head()

另一个例子：

iris %>% mutate_each(funs(sum), contains("Sepal"),  -Species) %>% head()

iris %>% mutate_at(.vars=vars(Sepal.Width), .funs=funs(mysum = sum(.))) %>% head()

相当于：

iris %>% mutate_at(.vars=vars("Sepal.Width"), .funs=funs(mysum = sum(.))) %>% head()

此外，在此版本中，

mutate\u each

不推荐使用：

mutate\u each（）

已弃用。改用

mutate\u all（）

、

mutate\u at（）

或

mutate\u if（）

。要在一组变量上映射

funs

，请使用

mutate_at（）

谢谢，这太棒了。如果我可以这么大胆的话，最后一件事——有没有任何方法可以简单地覆盖我的数据帧，而不是将输出分配给新的数据帧？正如在

DF%etc

中一样，您可以将新的/变异的data.frame分配给相同的对象名称，例如

iris%mutate\u each_uuu（funs（sum），x）%%>%head（）

将更改iris数据集。如果您不想这样做，另一个选项是将其分配给新的data.frame，例如

myiris%mutate\u each_uu（funs（sum），x）%%>%head（）

。两种选择都是可行的possible@MattO“Brien有点晚了，但是对于看到这些评论的人来说：

df%%mutate（…）%%>%…

有效，目前在magrittr主页底部提到：@kennyB，我已经更新了我的答案。看看选项a.4，即使用提供给

mutate_each_

或

summary_each_

@ML_Passion的命名向量，您可以这样做：

mtcars%>%mutate_all（funs（十分位数=ntile（，10））

iris %>% mutate_each(funs(sum, mean), -Species) %>% head()
#  Sepal.Length Sepal.Width Petal.Length Petal.Width Species Sepal.Length_sum Sepal.Width_sum Petal.Length_sum
#1          5.1         3.5          1.4         0.2  setosa              876             459              564
#2          4.9         3.0          1.4         0.2  setosa              876             459              564
#3          4.7         3.2          1.3         0.2  setosa              876             459              564
#4          4.6         3.1          1.5         0.2  setosa              876             459              564
#5          5.0         3.6          1.4         0.2  setosa              876             459              564
#6          5.4         3.9          1.7         0.4  setosa              876             459              564
#  Petal.Width_sum Sepal.Length_mean Sepal.Width_mean Petal.Length_mean Petal.Width_mean
#1             180              5.84             3.06              3.76              1.2
#2             180              5.84             3.06              3.76              1.2
#3             180              5.84             3.06              3.76              1.2
#4             180              5.84             3.06              3.76              1.2
#5             180              5.84             3.06              3.76              1.2
#6             180              5.84             3.06              3.76              1.2

iris %>% mutate_each(funs(MySum = sum(.), MyMean = mean(.)), -Species) %>% head()
#  Sepal.Length Sepal.Width Petal.Length Petal.Width Species Sepal.Length_MySum Sepal.Width_MySum Petal.Length_MySum
#1          5.1         3.5          1.4         0.2  setosa                876               459                564
#2          4.9         3.0          1.4         0.2  setosa                876               459                564
#3          4.7         3.2          1.3         0.2  setosa                876               459                564
#4          4.6         3.1          1.5         0.2  setosa                876               459                564
#5          5.0         3.6          1.4         0.2  setosa                876               459                564
#6          5.4         3.9          1.7         0.4  setosa                876               459                564
#  Petal.Width_MySum Sepal.Length_MyMean Sepal.Width_MyMean Petal.Length_MyMean Petal.Width_MyMean
#1               180                5.84               3.06                3.76                1.2
#2               180                5.84               3.06                3.76                1.2
#3               180                5.84               3.06                3.76                1.2
#4               180                5.84               3.06                3.76                1.2
#5               180                5.84               3.06                3.76                1.2
#6               180                5.84               3.06                3.76                1.2

iris %>% mutate_each(funs(sum), Sepal.Length, -Species) %>% head()

iris %>% mutate_each(funs(sum), contains("Sepal"),  -Species) %>% head()

x <- c("Sepal.Width", "Sepal.Length") # vector of column names 
iris %>% mutate_each_(funs(sum), x) %>% head()

iris %>% mutate_at(.cols=vars(-Species), .funs=funs(mysum = sum(.))) %>% head()

 Sepal.Length Sepal.Width Petal.Length Petal.Width Species Sepal.Length_mysum Sepal.Width_mysum
1          5.1         3.5          1.4         0.2  setosa              876.5             458.6
2          4.9         3.0          1.4         0.2  setosa              876.5             458.6
3          4.7         3.2          1.3         0.2  setosa              876.5             458.6
4          4.6         3.1          1.5         0.2  setosa              876.5             458.6
5          5.0         3.6          1.4         0.2  setosa              876.5             458.6
6          5.4         3.9          1.7         0.4  setosa              876.5             458.6
  Petal.Length_mysum Petal.Width_mysum
1              563.7             179.9
2              563.7             179.9
3              563.7             179.9
4              563.7             179.9
5              563.7             179.9
6              563.7             179.9

vars_to_process=c("Petal.Length","Petal.Width")
iris %>% mutate_at(.cols=vars_to_process, .funs=funs(mysum = sum(.))) %>% head()

 Sepal.Length Sepal.Width Petal.Length Petal.Width Species Petal.Length_mysum Petal.Width_mysum
1          5.1         3.5          1.4         0.2  setosa              563.7             179.9
2          4.9         3.0          1.4         0.2  setosa              563.7             179.9
3          4.7         3.2          1.3         0.2  setosa              563.7             179.9
4          4.6         3.1          1.5         0.2  setosa              563.7             179.9
5          5.0         3.6          1.4         0.2  setosa              563.7             179.9
6          5.4         3.9          1.7         0.4  setosa              563.7             179.9

iris %>% mutate_at(.vars=vars(-Species), .funs=funs(mysum = sum(.))) %>% head()

iris %>% mutate_at(.vars=vars(Sepal.Width), .funs=funs(mysum = sum(.))) %>% head()

iris %>% mutate_at(.vars=vars("Sepal.Width"), .funs=funs(mysum = sum(.))) %>% head()