R 将变量交互创建为一个例程

从我的数据集中，

df

变量大小是数值的（可以转换为数值，其中小=1，中=2，大=3）

---

有什么线索吗？

一个选项是使用

pivot\u longer

将格式改为“long”，将值重新编码为“size”，对“size”，“via”列进行乘法，将格式改回“wide”，并与原始数据连接

library(dplyr)
library(tidyr)
df <- df %>% 
      # // columns were all character.  So, changed the type
      type.convert(as.is = TRUE)


df %>% 
    # // reshape to long format
    pivot_longer(cols = dest1:via2, names_to = c(".value", 'grp'), 
           names_sep="(?<=[a-z])(?=[0-9])") %>% 
    # // recode the size column
    mutate(size = setNames(1:3, c('small', 'medium', 'large'))[size],  
       # // loop over the 'dest', 'via' columns, multiply with size 
       across(c(dest, via), ~ . * size, .names = "size_{.col}")) %>% 
   # // remove the columns not needed
   select(-size, -dest, -via) %>%
   # // reshape to wide format
   pivot_wider(names_from = grp, values_from = c(size_dest, size_via)) %>%
   # // join with the original dataset
   right_join(df) %>%
   # // reorder the columns in select
   select(names(df), everything())

库（dplyr）
图书馆（tidyr）
df%
#//列都是字符。所以，改变了类型
type.convert（as.is=TRUE）
df%>%
#//重塑为长格式
pivot_longer（cols=dest1:via2，name_to=c（“.value”，“grp”），
names_sep=“（？一个选项是使用
pivot_longer
将格式重塑为'long'，将值重新编码为'size'，对'size'，'via'列进行乘法，将格式重塑为'wide'，并与原始数据连接

library(dplyr)
library(tidyr)
df <- df %>% 
      # // columns were all character.  So, changed the type
      type.convert(as.is = TRUE)


df %>% 
    # // reshape to long format
    pivot_longer(cols = dest1:via2, names_to = c(".value", 'grp'), 
           names_sep="(?<=[a-z])(?=[0-9])") %>% 
    # // recode the size column
    mutate(size = setNames(1:3, c('small', 'medium', 'large'))[size],  
       # // loop over the 'dest', 'via' columns, multiply with size 
       across(c(dest, via), ~ . * size, .names = "size_{.col}")) %>% 
   # // remove the columns not needed
   select(-size, -dest, -via) %>%
   # // reshape to wide format
   pivot_wider(names_from = grp, values_from = c(size_dest, size_via)) %>%
   # // join with the original dataset
   right_join(df) %>%
   # // reorder the columns in select
   select(names(df), everything())

库（dplyr）
图书馆（tidyr）
df%
#//列都是字符。因此，更改了类型
type.convert（as.is=TRUE）
df%>%
#//重塑为长格式
pivot_longer（cols=dest1:via2，name_to=c（“.value”，“grp”），
姓名_sep=”（？请阅读，包括您尝试过的任何解决方案和预期结果，并更新您的问题。正如目前所写的，人们无法回答。我已经包含了我尝试过的解决方案。此外，我还包含了我的问题的可复制示例以及预期结果的外观。尽管有fa，问题也会被编辑ct从我收到的第一条评论来看，我的问题对读者来说似乎是重点明确的。@Lengreski请阅读，包括您尝试过的任何解决方案和预期输出，并更新您的问题。正如目前所写的，它太不集中，人们无法回答。我已经包括了我尝试过的解决方案。此外，我还包括了一个我的问题和预期结果的重现性示例。尽管从我收到的第一条评论来看，我的问题对读者来说似乎是重点明确的，但问题还是经过了编辑。@Lengreskail一直很好，直到：“错误：无法对不存在的列进行子集。x Column
size\u dest
不存在。”出现在“#//重塑为宽格式pivot_-wide（names_-from=grp，values_-from=c（size_-dest，size_-via））%%>%”行中。有什么想法吗？@vog不确定这个错误。我使用了来自输入的相同数据。是否有不同版本的
tidyr
直到：“错误：无法子集不存在的列。x列
size\u dest
不存在。”出现在“#//重塑为宽格式pivot\u wide（names\u from=grp，values\u from=c（size\u dest，size\u via））%%>行中“。有什么想法吗？@vog不确定那个错误。我使用了来自输入的相同数据。您是否有不同版本的
tidyr
library(dplyr)
library(tidyr)
df <- df %>% 
      # // columns were all character.  So, changed the type
      type.convert(as.is = TRUE)


df %>% 
    # // reshape to long format
    pivot_longer(cols = dest1:via2, names_to = c(".value", 'grp'), 
           names_sep="(?<=[a-z])(?=[0-9])") %>% 
    # // recode the size column
    mutate(size = setNames(1:3, c('small', 'medium', 'large'))[size],  
       # // loop over the 'dest', 'via' columns, multiply with size 
       across(c(dest, via), ~ . * size, .names = "size_{.col}")) %>% 
   # // remove the columns not needed
   select(-size, -dest, -via) %>%
   # // reshape to wide format
   pivot_wider(names_from = grp, values_from = c(size_dest, size_via)) %>%
   # // join with the original dataset
   right_join(df) %>%
   # // reorder the columns in select
   select(names(df), everything())

# A tibble: 5 x 10
#     id size   dest1 dest2  via1  via2 size_dest_1 size_dest_2 size_via_1 size_via_2
#  <int> <chr>  <int> <int> <int> <int>       <int>       <int>      <int>      <int>
#1     1 small      1     0     1     1           1           0          1          1
#2     2 large      0     1     1     0           0           3          3          0
#3     3 small      1     1     0     1           1           1          0          1
#4     4 small      0     0     0     0           0           0          0          0
#5     5 medium     1     1     0     1           2           2          0          2