是否有函数将一列中的值除以另一列中的每个（！）值？在R

我有一个数据帧（df），看起来像这样：

   Code  Status Value
1     1 Treated   1.5
2     1 Treated   1.7
3     1 Treated   1.9
4     1 Control   2.1
5     1 Control   2.3
6     1 Control   2.5
7     2 Treated   1.6
8     2 Treated   1.8
9     2 Treated   2.0
10    2 Control   2.4
11    2 Control   2.6
12    2 Control   2.8

# 1st "Value" in "Code" 1
df$Value[1]/df$Value[4]
df$Value[1]/df$Value[5]
df$Value[1]/df$Value[6]
# 2nd "Value" in "Code" 1
df$Value[2]/df$Value[4]
df$Value[2]/df$Value[5]
df$Value[2]/df$Value[6]

for(i in 1:2){
  for(j in 1:3){
 x <- df$Value[df$Code == i & df$Status == "Treated"]
 y <- df$Value[df$Code == i & df$Status == "Control"]
 vector <- x/y[j]
 print(vector)
  }
} 

代码如下：

df <- data.frame(Code = rep(c(1:2), each = 6),
           Status = rep(rep(c("Treated", "Control"), each = 3), 2),
           Value = c(1.5, 1.7, 1.9, 2.1, 2.3, 2.5, 1.6, 1.8, 2.0, 2.4, 2.6, 2.8))

等等。。。为此，我创建了一个for循环，如下所示：

   Code  Status Value
1     1 Treated   1.5
2     1 Treated   1.7
3     1 Treated   1.9
4     1 Control   2.1
5     1 Control   2.3
6     1 Control   2.5
7     2 Treated   1.6
8     2 Treated   1.8
9     2 Treated   2.0
10    2 Control   2.4
11    2 Control   2.6
12    2 Control   2.8

# 1st "Value" in "Code" 1
df$Value[1]/df$Value[4]
df$Value[1]/df$Value[5]
df$Value[1]/df$Value[6]
# 2nd "Value" in "Code" 1
df$Value[2]/df$Value[4]
df$Value[2]/df$Value[5]
df$Value[2]/df$Value[6]

for(i in 1:2){
  for(j in 1:3){
 x <- df$Value[df$Code == i & df$Status == "Treated"]
 y <- df$Value[df$Code == i & df$Status == "Control"]
 vector <- x/y[j]
 print(vector)
  }
} 

我的问题是，我需要对这些结果进行进一步的计算。 但是，当我试图提取向量，以便使用它时，它只包含最后一次计算：

[1] 0.5714286 0.6428571 0.7142857

有更好的计算方法吗

---

上下文提示：稍后我需要为每个“代码”计算MFV（隶属函数值），但我需要使用“值”中所有计算（除以）值的最小值/最大值。让我们来分析这个问题。假设只有一个代码。该问题可通过以下方式解决：

df%>%
过滤器（代码==1）%>%#-->现在只需选择一个代码
分组依据（状态）%>%-->每个状态
mutate（Trial=seq_-along（Value））%>%#-->将助手ID添加到每行
排列（状态、值）%>%#-->将行转换为列
展开（控制，处理）%>%#-->创建所有可能的组合
突变（比率=治疗/对照）#-->计算比率

一旦我们有了这个，我们只需要能够处理每个代码。我们可以通过一个简单的循环来实现，这里我使用的是

lappy

，但是

map

from

purr

或者

for

循环也可以实现同样的效果

进程%
分组依据（状态）%>%
变异（试验=沿（值）顺序排列））%>%
价差（状态、价值）%>%
扩展（控制，处理）%>%
突变（比率=治疗/对照）
}
df%>%
嵌套（-Code）%%>%
变异（数据=lappy（数据，过程））%>%
unnest（数据）

这里是另一种

tidyverse

方法。您可以按每个

code

和

nest

对数据进行分组

然后，对于每个

code

，您可以使用

outer

给出两个向量的乘积（处理和控制）-但是，您可以提供函数

/

来给出一个比率（除法）

在

unest

之后，将有一个名为

Ratio

的列，其中将包含一个数字矩阵。请注意，您的结果中仍有

code

列，这将是未来计算所需的

library(dplyr)
library(tidyr)
library(purrr)

df %>%
  group_by(Code) %>%
  nest() %>%
  mutate(Ratio = map(data, ~outer(.x$Value[.x$Status == "Treated"], .x$Value[.x$Status == "Control"], `/`))) %>%
  unnest(Ratio) 

输出

   Code data             Ratio[,1]  [,2]  [,3]
  <int> <list>               <dbl> <dbl> <dbl>
1     1 <tibble [6 × 2]>     0.714 0.652 0.6  
2     1 <tibble [6 × 2]>     0.810 0.739 0.68 
3     1 <tibble [6 × 2]>     0.905 0.826 0.76 
4     2 <tibble [6 × 2]>     0.667 0.615 0.571
5     2 <tibble [6 × 2]>     0.75  0.692 0.643
6     2 <tibble [6 × 2]>     0.833 0.769 0.714

代码数据比率[，1][，2][，3]
1     1      0.714 0.652 0.6  
2     1      0.810 0.739 0.68 
3     1      0.905 0.826 0.76 
4     2      0.667 0.615 0.571
5     2      0.75  0.692 0.643
6     2      0.833 0.769 0.714