在mutate()和rowwise()中正确使用运算符
我正在处理一个数据集,其中包含我进行的一项调查的数据。这项调查与心理健康有关,一些领域的高分表明心理健康状况不佳,而另一些领域则表示心理健康状况良好。因此,使用mutate()和rowwise()我现在尝试使用mutate中的逻辑运算符计算域分数。我试过检查以下小数据,看起来还可以,但感觉像是一个粗略的解决方案,有没有关于如何改进的想法,或者这样可以吗 我的数据与此类似,请执行以下操作:在mutate()和rowwise()中正确使用运算符,r,R,我正在处理一个数据集,其中包含我进行的一项调查的数据。这项调查与心理健康有关,一些领域的高分表明心理健康状况不佳,而另一些领域则表示心理健康状况良好。因此,使用mutate()和rowwise()我现在尝试使用mutate中的逻辑运算符计算域分数。我试过检查以下小数据,看起来还可以,但感觉像是一个粗略的解决方案,有没有关于如何改进的想法,或者这样可以吗 我的数据与此类似,请执行以下操作: #Create fake data where x, y and z are facet scores.
#Create fake data where x, y and z are facet scores.
df <- tibble(x = 1:2, y = 3:4, z = 5:6)
#Calculate domain score (m) where high score on y is negative.
df %>% rowwise() %>% mutate(m = mean(c(x, 3-y, z)))
#创建假数据,其中x、y和z是刻面分数。
df%rowwise()%%>%突变(m=平均值(c(x,3-y,z)))
注意:在我的“真实”数据帧中,我从域中的面数中减去平均值,用3来检查R如何处理减法
第一次问问题,希望我的例子都可以
提前谢谢
//Ems我会更改需要更改的列,然后使用
rowMeans
,这比使用rowwise
和means
要快得多
library(dplyr)
df %>% mutate(y = 3 - y) %>% mutate(m = rowMeans(.))
我们可以使用
base R
df$y <- 3 - df$y
df$m <- rowMeans(df)
df$y谢谢!这似乎是一种更快更干净的方法。