Question

这是一个包含用户ID列的数据框：

> head(df)
       uid
1 14070210
2 14080815
3 14091420

为了参数，我想创建一个包含用户id的平方根的新列，以及另一个包含用户id哈希的新列。所以我这样做：

df_mutated <- df %>%
              mutate(sqrt_uid = sqrt(uid), hashed_uid = digest(uid))

... digest（）来自摘要包。

虽然平方根似乎有效，但摘要函数会为每个用户ID返回相同的值。

> head(df_mutated)
       uid sqrt_uid                       hashed_uid
1 14070210 3751.028 f8c4b39403e57d85cd1698d2353954d0
2 14080815 3752.441 f8c4b39403e57d85cd1698d2353954d0
3 14091420 3753.854 f8c4b39403e57d85cd1698d2353954d0

这对我来说很奇怪。如果没有dplyr，digest（）函数会为不同的输入返回不同的值。我对dplyr不了解什么？

由于

Answer 1

digest()函数未向量化。因此，如果传入向量，则获得整个向量的一个值，而不是向量的每个元素的摘要。由于它返回一个值，因此会为data.frame的每一行回收该值。您可以创建自己的矢量化版本

vdigest <- Vectorize(digest)
df %>% mutate(sqrt_uid = sqrt(uid), hashed_uid = vdigest(uid))
#        uid sqrt_uid                       hashed_uid
# 1 14070210 3751.028 cc90019421220a24f75b5ed5daec36ff
# 2 14080815 3752.441 9f7f643940b692dd9c7effad439547e8
# 3 14091420 3753.854 89e6666fdfdbfb532b2d7940def9d47d

匹配单独传递每个向量元素时获得的内容

digest(df$uid[1])
# [1] "cc90019421220a24f75b5ed5daec36ff"
digest(df$uid[3])
# [1] "89e6666fdfdbfb532b2d7940def9d47d"

为什么每次与dplyr的mutate一起使用时，摘要函数会返回相同的值？

1 个答案: