R 在一个数据帧中，我如何选择特定的变量，以便仅根据它们的名称进行进一步的计算？
使用R 在一个数据帧中，我如何选择特定的变量，以便仅根据它们的名称进行进一步的计算？,r,dplyr,R,Dplyr,使用dplyr，是否有方法选择名称以\u p和\u ln结尾的变量，并将它们与相应的变量相乘？例如，我试图得到三个不同的变量，第一个是a_p与a_ln相乘的结果，第二个是B_p与B_ln相乘的结果。我发现很难精确地确定我需要的命名变量，因为我必须在数据集中保留三个变量A、B和C dput（）输出： structure（list（id=structure）（c（2,4,6,8,10），label=“id”，format.spss=“F4.0”，display_width=0L），A=c（13,9,
dplyr\u p\u lna_pa_lnB_pB_lnABCstructure（list（id=structure）（c（2,4,6,8,10），label=“id”，format.spss=“F4.0”，display_width=0L），A=c（13,9,14,13），B=c（12,0,9,3,10），c=c（13,8,14,13,11），total=c（38,17,37,30,34），A_p=c（2,5,3,6,10,10），B_=c（3,6,10,10），c=c（3,6,10,5），c=c（3,6,2,5,2,5），c=2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2，C_ln=C（2,8,10,2,5）），row.names=C（NA，-5L），class=C（“tbl_df”，“tbl”，“data.frame”））数据。framelibrary(dplyr)
# your data
df <- structure(list(id = structure(c(2, 4, 6, 8, 10), label = "id", format.spss = "F4.0", display_width = 0L), A = c(13, 9, 14, 14, 13), B = c(12, 0, 9, 3, 10), C = c(13, 8, 14, 13, 11), total = c(38, 17, 37, 30, 34), A_p = c(2, 5, 3, 6, 10), B_p = c(5, 3, 6, 10, 2), C_p = c(3, 6, 10, 2, 5), A_ln = c(10, 2, 5, 3, 6), B_ln = c(10, 2, 5, 1, 2), C_ln = c(2, 8, 10, 2, 5)), row.names = c(NA, -5L), class = c("tbl_df", "tbl", "data.frame"))
# select the columns according to your pattern
df %>% select(id, ends_with("_p"), ends_with("_ln")) %>%
# pivot everything into a long format, keeping the id column
tidyr::pivot_longer(-id) %>%
# separate the variables, we do this because you want the A "_p" to multiply the A of "_ln" and we will group by letter to do this
tidyr::separate(col = "name", into=c("letter", "end"), sep="_") %>%
# don't forget to group by id, so values are multiplied within id
group_by(id, letter) %>%
summarise(prod_value = prod(value))
库（dplyr）
#你的数据
df%select（id，以（“\u p”）结尾，以（“\u ln”）结尾）%>%
#将所有内容转换为长格式，保留id列
tidyr:：pivot_更长（-id）%>%
#分开变量，我们这样做是因为你想让A“_p”乘以A的“_ln”，我们将按字母分组
tidyr：：分开（col=“name”，插入=c（“字母”，“结束”），sep=“”）%>%
#别忘了按id分组，这样值就会在id内相乘
分组人（id，字母）%>%
总结（产品价值=产品（价值））
# A tibble: 15 x 3
# Groups: id [5]
id letter prod_value
<dbl> <chr> <dbl>
1 2 A 20
2 2 B 50
3 2 C 6
4 4 A 10
5 4 B 6
6 4 C 48
7 6 A 15
8 6 B 30
9 6 C 100
10 8 A 18
11 8 B 10
12 8 C 4
13 10 A 60
14 10 B 4
15 10 C 25
#一个tible:15 x 3
#组别:id[5]
id字母prod_值
12 A 20
2 B 50
3 2 C 6
4 A 10
5 4 B 6
6 4 C 48
7 6 A 15
8 6 B 30
9 6 C 100
10 8 A 18
11 8 B 10
12 8 C 4
13 10 A 60
14 10 B 4
15 10 C 25
数据。框架library(dplyr)
# your data
df <- structure(list(id = structure(c(2, 4, 6, 8, 10), label = "id", format.spss = "F4.0", display_width = 0L), A = c(13, 9, 14, 14, 13), B = c(12, 0, 9, 3, 10), C = c(13, 8, 14, 13, 11), total = c(38, 17, 37, 30, 34), A_p = c(2, 5, 3, 6, 10), B_p = c(5, 3, 6, 10, 2), C_p = c(3, 6, 10, 2, 5), A_ln = c(10, 2, 5, 3, 6), B_ln = c(10, 2, 5, 1, 2), C_ln = c(2, 8, 10, 2, 5)), row.names = c(NA, -5L), class = c("tbl_df", "tbl", "data.frame"))
# select the columns according to your pattern
df %>% select(id, ends_with("_p"), ends_with("_ln")) %>%
# pivot everything into a long format, keeping the id column
tidyr::pivot_longer(-id) %>%
# separate the variables, we do this because you want the A "_p" to multiply the A of "_ln" and we will group by letter to do this
tidyr::separate(col = "name", into=c("letter", "end"), sep="_") %>%
# don't forget to group by id, so values are multiplied within id
group_by(id, letter) %>%
summarise(prod_value = prod(value))
库（dplyr）
#你的数据
df%select（id，以（“\u p”）结尾，以（“\u ln”）结尾）%>%
#将所有内容转换为长格式，保留id列
tidyr:：pivot_更长（-id）%>%
#分开变量，我们这样做是因为你想让A“_p”乘以A的“_ln”，我们将按字母分组
tidyr：：分开（col=“name”，插入=c（“字母”，“结束”），sep=“”）%>%
#别忘了按id分组，这样值就会在id内相乘
分组人（id，字母）%>%
总结（产品价值=产品（价值））
# A tibble: 15 x 3
# Groups: id [5]
id letter prod_value
<dbl> <chr> <dbl>
1 2 A 20
2 2 B 50
3 2 C 6
4 4 A 10
5 4 B 6
6 4 C 48
7 6 A 15
8 6 B 30
9 6 C 100
10 8 A 18
11 8 B 10
12 8 C 4
13 10 A 60
14 10 B 4
15 10 C 25
#一个tible:15 x 3
#组别:id[5]
id字母prod_值
12 A 20
2 B 50
3 2 C 6
4 A 10
5 4 B 6
6 4 C 48
7 6 A 15
8 6 B 30
9 6 C 100
10 8 A 18
11 8 B 10
12 8 C 4
13 10 A 60
14 10 B 4
15 10 C 25
库（dplyr，warn.conflicts=FALSE）
dat%
将_重命名为（.fn=函数（x）gsub（“_-ln”，”，x））
#>A、B、C
#> 1 20 50 6
#> 2 10 6 48
#> 3 15 30 100
#> 4 18 10 4
#> 5 60 4 25
由（v0.3.0）于2020-12-13创建此示例将初始数据子集为两个矩阵，您可以将其相乘，然后只需修复名称即可
库（dplyr，warn.conflicts=FALSE）
dat%
将_重命名为（.fn=函数（x）gsub（“_-ln”，”，x））
#>A、B、C
#> 1 20 50 6
#> 2 10 6 48
#> 3 15 30 100
#> 4 18 10 4
#> 5 60 4 25
由（v0.3.0）于2020-12-13创建，您也可以使用dplyr的rowwise（）和c_，如下例所示，创建三个列，分别是以“A”、“B_”和“c_”开头的列的乘积
library(tidyverse)
structure(list(id = structure(c(2, 4, 6, 8, 10), label = "id",
format.spss = "F4.0", display_width = 0L),
A = c(13, 9, 14, 14, 13),
B = c(12, 0, 9, 3, 10),
C = c(13, 8, 14, 13, 11),
total = c(38, 17, 37, 30, 34),
A_p = c(2, 5, 3, 6, 10),
B_p = c(5, 3, 6, 10, 2),
C_p = c(3, 6, 10, 2, 5),
A_ln = c(10, 2, 5, 3, 6),
B_ln = c(10, 2, 5, 1, 2),
C_ln = c(2, 8, 10, 2, 5)),
row.names = c(NA, -5L),
class = c("tbl_df", "tbl", "data.frame")) %>%
rowwise() %>%
mutate(
A_product = prod(c_across(starts_with("A_"))),
B_product = prod(c_across(starts_with("B_"))),
C_product = prod(c_across(starts_with("C_"))),
)
%>% select(A_product, B_product, C_product)
您还可以使用dplyr的rowwise（）和c_，如下面的示例所示，该示例创建三个列，它们分别是以“A_u”、“B_u”和“c_u”开头的列的乘积
library(tidyverse)
structure(list(id = structure(c(2, 4, 6, 8, 10), label = "id",
format.spss = "F4.0", display_width = 0L),
A = c(13, 9, 14, 14, 13),
B = c(12, 0, 9, 3, 10),
C = c(13, 8, 14, 13, 11),
total = c(38, 17, 37, 30, 34),
A_p = c(2, 5, 3, 6, 10),
B_p = c(5, 3, 6, 10, 2),
C_p = c(3, 6, 10, 2, 5),
A_ln = c(10, 2, 5, 3, 6),
B_ln = c(10, 2, 5, 1, 2),
C_ln = c(2, 8, 10, 2, 5)),
row.names = c(NA, -5L),
class = c("tbl_df", "tbl", "data.frame")) %>%
rowwise() %>%
mutate(
A_product = prod(c_across(starts_with("A_"))),
B_product = prod(c_across(starts_with("B_"))),
C_product = prod(c_across(starts_with("C_"))),
)
%>% select(A_product, B_product, C_product)
library(dplyr)
library(purrr)
bind_cols(df, map2_dfc(grep('_p$', names(df), value = 1), grep('_ln$', names(df), value = 1), ~{
new_col <- paste0(.x,.y)
df %>%
transmute(!!new_col := .data[[.x]]*.data[[.y]])
}))
# A tibble: 5 x 14
id A B C total A_p B_p C_p A_ln B_ln C_ln A_pA_ln B_pB_ln C_pC_ln
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 2 13 12 13 38 2 5 3 10 10 2 20 50 6
2 4 9 0 8 17 5 3 6 2 2 8 10 6 48
3 6 14 9 14 37 3 6 10 5 5 10 15 30 100
4 8 14 3 13 30 6 10 2 3 1 2 18 10 4
5 10 13 10 11 34 10 2 5 6 2 5 60 4 25
库（dplyr）
图书馆（purrr）
bind_cols（df，map2_-dfc（grep）（“p$”，名称（df），值=1），grep（“ln$”，名称（df），值=1）~{
新科
转换（！！新列：=.data[.x]]*.data[.y]]）
}))
#一个tibble:5x14
id A B C总计A_p B_p C_p A_ln B_ln C_ln A_pA_ln B_pB_ln C_pC_ln
1 2 13 12 13 38 2 5 3 10 10 2 20 50 6
2 4 9 0 8 17 5 3 6 2 2 8 10 6 48
3 6 14 9 14 37 3 6 10 5 5 10 15 30 100
4 8 14 3 13 30 6 10 2 3 1 2 18 10 4
5 10 13 10 11 34 10 2 5 6 2 5 60 4 25
library(dplyr)
library(purrr)
bind_cols(df, map2_dfc(grep('_p$', names(df), value = 1), grep('_ln$', names(df), value = 1), ~{
new_col <- paste0(.x,.y)
df %>%
transmute(!!new_col := .data[[.x]]*.data[[.y]])
}))
# A tibble: 5 x 14
id A B C total A_p B_p C_p A_ln B_ln C_ln A_pA_ln B_pB_ln C_pC_ln
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 2 13 12 13 38 2 5 3 10 10 2 20 50 6
2 4 9 0 8 17 5 3 6 2 2 8 10 6 48
3 6 14 9 14 37 3 6 10 5 5 10 15 30 100
4 8 14 3 13 30 6 10 2 3 1 2 18 10 4
5 10 13 10 11 34 10 2 5 6 2 5 60 4 25
库（dplyr）
图书馆（purrr）
bind_cols（df，map2_-dfc（grep）（“p$”，名称（df），值=1），grep（“ln$”，名称（df），值=1）~{
新科
转换（！！新列：=.data[.x]]*.data[.y]]）
}))
#一个tibble:5x14
id A B C总计A\u p