Question

我有一个问题：如何在不用手写每列的情况下对每列使用transmute？即有类似transmute_each()的东西吗？

我想要执行以下操作：使用dplyr我想获得以下MWE的每列的z分数：

tickers <- c(rep(1,10),rep(2,10))
df <- data.frame(cbind(tickers,rep(1:20),rep(2:21),rep(2:21),rep(4:23),rep(3:22)))
colnames(df) <- c("tickers","col1","col2","col3","col4","col5")
df %>%  group_by(tickers)

是否有一种简单的方法可以使用transmute来实现以下目的：

for(i in 2:ncol(df)){
  df[,i] <- df[,i] - mean(df[,i])/sd(df[,i])
}

非常感谢

Answer 1

现在有一个public int printTreeInOrder(Node node, int k){ //in-order printing (sorted) if (k>0 && !(isNull(node))){ k = printTreeInOrder(node.getLeft(),k); if (k>0) { System.out.println(node.getValue()); k--; } return printTreeInOrder(node.getRight(),k); } return k; }函数（从dplyr 0.7开始），你可以执行以下操作：

transmute_at()

请注意，这使用了基础R中的df %>% group_by(tickers) %>% transmute_at(.vars = vars(starts_with("col")), .funs = funs(scale(.))) %>% ungroup函数，默认情况下会将数字向量转换为z得分。

此外，在scale()参数中使用vars()允许您使用dplyr .vars可用的所有辅助函数，例如select() }，one_of()等

最后，不要在此处写ends_with()，因为您在funs(scale(.))参数中使用了一个简单函数，您只需编写.funs。

Answer 2

我使用以下方法解决了这个问题：

df %>%  
   group_by(tickers) %>%  
   mutate_at(.funs = funs((. - mean(.))/sd(.)),
             .cols = vars(matches("col")))

在dplyr中转换多个列

2 个答案: