在dplyr 1.0中从mutate_all移动到cross（）

随着新版本的dplyr的发布，我正在重构相当多的代码并删除现在已经失效或不推荐使用的函数。我有一个函数，如下所示：

processingAggregatedLoad <- function (df) {
  defined <- ls()
  passed <- names(as.list(match.call())[-1])
  
  if (any(!defined %in% passed)) {
    stop(paste("Missing values for the following arguments:", paste(setdiff(defined, passed), collapse=", ")))
  }
  
  df_isolated_load <- df %>% select(matches("snsr_val")) %>% mutate(global_demand = rowSums(.)) # we get isolated load
  df_isolated_load_qlty <- df %>% select(matches("qlty_good_ind")) # we get isolated quality
  df_isolated_load_qlty <- df_isolated_load_qlty %>% mutate_all(~ factor(.), colnames(df_isolated_load_qlty)) %>%
  mutate_each(funs(as.numeric(.)), colnames(df_isolated_load_qlty)) # we convert the qlty to factors and then to numeric
  df_isolated_load_qlty[df_isolated_load_qlty[]==1] <- 1  # 1 is bad
  df_isolated_load_qlty[df_isolated_load_qlty[]==2] <- 0 # 0 is good we mask to calculate the global index quality
  df_isolated_load_qlty <- df_isolated_load_qlty %>% mutate(global_quality = rowSums(.)) %>% select(global_quality)
  df <- bind_cols(df, df_isolated_load, df_isolated_load_qlty)
  return(df)
}

我做了多次试验，例如：

 df_isolated_load_qlty %>% mutate(across(.fns = ~ as.factor(), .names = colnames(df_isolated_load_qlty)))
Error: Problem with `mutate()` input `..1`.
x All unnamed arguments must be length 1
ℹ Input `..1` is `across(.fns = ~as.factor(), .names = colnames(df_isolated_load_qlty))`.

但是我仍然对新的dplyr语法有点困惑。有人能给我一点正确的指导吗？

• mutate\u each

  早已被弃用，并被

  mutate\u all

  取代

• mutate\u all

  现在被跨

• cross

  将默认值

  .cols

  设置为

  everything（）

  ，这意味着如果未明确提及，默认情况下它的行为方式为

  mutate\u all

• 您可以在相同的

  mutate

  调用中应用多个函数，因此这里

  factor

  和

  as.numeric

  可以一起应用

考虑到所有这些，您可以将现有功能更改为：

library(dplyr)

processingAggregatedLoad <- function (df) {
      defined <- ls()
      passed <- names(as.list(match.call())[-1])

     if (any(!defined %in% passed)) {
            stop(paste("Missing values for the following arguments:", 
             paste(setdiff(defined, passed), collapse=", ")))
      }

     df_isolated_load <- df %>% 
                          select(matches("snsr_val")) %>% 
                          mutate(global_demand = rowSums(.))
    df_isolated_load_qlty <- df %>% select(matches("qlty_good_ind"))
    df_isolated_load_qlty <- df_isolated_load_qlty %>% 
                               mutate(across(.fns = ~as.numeric(factor(.))))
                          
    df_isolated_load_qlty[df_isolated_load_qlty ==1] <- 1  
    df_isolated_load_qlty[df_isolated_load_qlty==2] <- 0
    df_isolated_load_qlty <- df_isolated_load_qlty %>% 
                               mutate(global_quality = rowSums(.)) %>% 
                               select(global_quality)
    df <- bind_cols(df, df_isolated_load, df_isolated_load_qlty)
    return(df)
  }

库（dplyr）
处理聚合负载

mutate\u each
早已被弃用，并被
mutate\u all
取代
mutate\u all
现在被跨

cross
将默认值
.cols
设置为
everything（）
，这意味着如果未明确提及，默认情况下它的行为方式为
mutate\u all
您可以在相同的
mutate
调用中应用多个函数，因此这里
factor
和
as.numeric
可以一起应用

考虑到所有这些，您可以将现有功能更改为：

library(dplyr)

processingAggregatedLoad <- function (df) {
      defined <- ls()
      passed <- names(as.list(match.call())[-1])

     if (any(!defined %in% passed)) {
            stop(paste("Missing values for the following arguments:", 
             paste(setdiff(defined, passed), collapse=", ")))
      }

     df_isolated_load <- df %>% 
                          select(matches("snsr_val")) %>% 
                          mutate(global_demand = rowSums(.))
    df_isolated_load_qlty <- df %>% select(matches("qlty_good_ind"))
    df_isolated_load_qlty <- df_isolated_load_qlty %>% 
                               mutate(across(.fns = ~as.numeric(factor(.))))
                          
    df_isolated_load_qlty[df_isolated_load_qlty ==1] <- 1  
    df_isolated_load_qlty[df_isolated_load_qlty==2] <- 0
    df_isolated_load_qlty <- df_isolated_load_qlty %>% 
                               mutate(global_quality = rowSums(.)) %>% 
                               select(global_quality)
    df <- bind_cols(df, df_isolated_load, df_isolated_load_qlty)
    return(df)
  }

库（dplyr）
processingAggregatedLoad@10Rep我无法在这里添加任何预期的输出，因为OP没有共享任何数据。是的，我想是这样的。尽量不要回答这类问题。亲爱的同事们，很抱歉我没有附上任何数据，因为我上周没有可能收到任何邮件。@10Rep我无法在这里添加任何预期的输出，因为OP没有共享任何数据。是的，我想是这样的。尽量不要回答这些类型的问题。亲爱的同事们，很抱歉没有附上任何数据，因为我上周不可能再回答了。亲爱的Ronah，你的回答非常有效。非常感谢您的帮助，并为提供一个可复制的示例表示歉意。BR/EDear Ronah，你的答案非常有效。非常感谢您的帮助，并为提供一个可复制的示例表示歉意。BR/E