我正按照
进行尝试dplyr mutate using variable columns &安培; dplyr - mutate: use dynamic variable names
在mutate中使用动态名称。我想要做的是按照最小标准偏差的组对列数据进行标准化。每列具有不同的最小标准偏差
e.g。 (为方便起见,我省略了循环和地图语句)
require(dplyr)
require(magrittr)
data(iris)
iris <- tbl_df(iris)
minsd <- c('Sepal.Length' = 0.8)
varname <- 'Sepal.Length'
iris %>% group_by(Species) %>% mutate(!!varname := mean(pluck(iris,varname),na.rm=T)/max(sd(pluck(iris,varname)),minsd[varname]))
我得到了动态分配&amp;变量选择按参考答案的建议工作。但是group_by()不受尊重,至少对我而言,这是使用dplyr的主要好处
希望的答案由
提供iris %>% group_by(Species) %>% mutate(!!varname := mean(Sepal.Length,na.rm=T)/max(sd(Sepal.Length),minsd[varname]))
有解决方法吗?
答案 0 :(得分:3)
我实际上对pluck
一点都不太了解,所以我不知道出了什么问题,但我会这样做,这有用:
iris %>% group_by(Species) %>%
mutate(
!! varname :=
mean(!!as.name(varname), na.rm = T) /
max(sd(!!as.name(varname)),
minsd[varname])
)
如果这不是您想要的,请告诉我。
答案 1 :(得分:1)
另一个答案显然是最好的,它也解决了我遇到的类似问题。例如,对于!!as.name()
,不需要使用group_by_()
(或group_by_at
或arrange_()
(或arrange_at()
)。
但是,另一种方法是用pluck(iris,varname)
替换代码中的.data[[varname]]
。我想pluck(iris,varname)
不起作用的原因是,iris
中的pluck(iris,varname)
未分组。但是,.data
是指执行tibble
的{{1}},因此被分组。
mutate()
包中的as.name()
是rlang::sym()
的替代方法。