我在这里尝试做的是将dplyr :: select()语义引入提供给dplyr :: mutate()的函数中。以下是一个最小的例子。
dat <- tibble(class = rep(c("A", "B"), each = 10),
x = sample(100, 20),
y = sample(100, 20),
z = sample(100, 20))
.reorder_rows <- function(...) {
x <- list(...)
y <- as.matrix(do.call("cbind", x))
h <- hclust(dist(y))
return(h$order)
}
dat %>%
group_by(class) %>%
mutate(h_order = .reorder_rows(x, y, z))
## class x y z h_order
## <chr> <int> <int> <int> <int>
## 1 A 85 17 5 1
## 2 A 67 24 35 5
## ...
## 18 B 76 7 94 9
## 19 B 65 39 85 8
## 20 B 49 11 100 10
##
## Note: function applied across each group, A and B
我想做的是:
dat %>%
group_by(class) %>%
mutate(h_order = .reorder_rows(-class))
这一点很重要的原因是当dat
有更多变量时,我需要能够从函数的计算中排除分组/特定变量。
我不确定如何实现这一点,但在某种程度上使用.reorder_rows
函数中的select语义可能是解决此问题的一种方法。
答案 0 :(得分:3)
对于这种特殊的方法,您应该按类嵌套和不需要(使用tidyr)而不是按类分组:
library(tidyr)
library(purrr)
dat %>%
nest(-class) %>%
mutate(h_order = map(data, .reorder_rows)) %>%
unnest()
顺便提一下,请注意虽然这适用于您的功能,但您也可以编写一个直接采用数据框的较短版本:
.reorder_rows <- function(x) {
h <- hclust(dist(as.matrix(x)))
return(h$order)
}