我想对数据框中的列范围进行操作。让我们说这个数据集是：
set.seed(15)
df <- data.frame(id=letters[1:10], matrix(runif(5*10), nrow=5)) %>% dplyr::rename(O6 = X7)
我想我要实现的目标很明显：
df %>% rowwise() %>% mutate(minval_X3_X8 = min(X3:X8))
即得到以下结果：
df %>% rowwise() %>% mutate(minval_X3_X8 = min(X3, X4, X5, O6, X7, X8))
我最初尝试使用X3：X8并没有给出任何错误消息，所以我想知道：
1.使用dplyr获得所需输出的最佳方法是什么（我从X3到X8列中获得最小值/最大值/平均值等值）
2.使用X3：X8
非常感谢！
Ps。如果解决方案包括也可以这样做，那就太好了
df %>% rowwise() %>% mutate(minval_all_but_ex_rownames = min(-id))
答案 0 :(得分：4)
dplyr::select可以使用X3:X7的范围符号，但不能使用其他功能。如果您可以在mutate以外的地方工作，请尝试以下操作：
df$minval_X3_X8 <- do.call(pmin, select(df, X3:X8))
df
# id X1 X2 X3 X4 X5 O6 X7 X8 X9 X10 minval_X3_X8
# 1 a 0.6021140 0.9888592 0.1046694 0.8417851 0.80372740 0.6590069 0.4985587 0.6578783 0.9152619 0.4291725 0.10466936
# 2 b 0.1950439 0.8151934 0.6461509 0.4474437 0.79334595 0.1069735 0.2567427 0.1215491 0.4574306 0.3302786 0.10697354
# 3 c 0.9664587 0.2539684 0.5090904 0.9646670 0.35756312 0.1483839 0.4916694 0.5159349 0.9210739 0.7528325 0.14838386
# 4 d 0.6509055 0.6872308 0.7066286 0.1411871 0.05800106 0.9277570 0.1174759 0.3016811 0.2591188 0.8438981 0.05800106
# 5 e 0.3670719 0.8314290 0.8623137 0.7767125 0.56574614 0.4763697 0.5128062 0.7603278 0.3437781 0.0108724 0.47636970
# 6 f 0.6021140 0.9888592 0.1046694 0.8417851 0.80372740 0.6590069 0.4985587 0.6578783 0.9152619 0.4291725 0.10466936
# 7 g 0.1950439 0.8151934 0.6461509 0.4474437 0.79334595 0.1069735 0.2567427 0.1215491 0.4574306 0.3302786 0.10697354
# 8 h 0.9664587 0.2539684 0.5090904 0.9646670 0.35756312 0.1483839 0.4916694 0.5159349 0.9210739 0.7528325 0.14838386
# 9 i 0.6509055 0.6872308 0.7066286 0.1411871 0.05800106 0.9277570 0.1174759 0.3016811 0.2591188 0.8438981 0.05800106
# 10 j 0.3670719 0.8314290 0.8623137 0.7767125 0.56574614 0.4763697 0.5128062 0.7603278 0.3437781 0.0108724 0.47636970
编辑：如@Moody_Mudskipper所建议，可以将其包含在mutate中：
df %>% mutate(minval_X3_X8 = do.call(pmin, select(., X3:X8)))
# same output as above
但是应谨慎使用，因为其使用不支持group数据的写入。我定期使用此下一种方法，以查看在group中（可选-mutate编辑）调用时我的函数“看到”的内容。这里的mymin函数绝对没有任何用处，只是提供了中间mutate浏览：
mymin <- function(...) { browser(); 1; }
示例：
df %>% rowwise() %>% mutate(minval_X3_X8 = do.call(mymin, select(., X3:X8)))
# Called from: (function (...)
# {
# browser()
# 1
# }) ...snip...
# Browse[1]>
# debug at #1: [1] 1
# Browse[2]>
如果我们看一下函数的参数，就会看到它提供了什么：
list(...)
# $X3
# [1] 0.1046694 0.6461509 0.5090904 0.7066286 0.8623137 0.1046694 0.6461509 0.5090904 0.7066286
# [10] 0.8623137
# $X4
# [1] 0.8417851 0.4474437 0.9646670 0.1411871 0.7767125 0.8417851 0.4474437 0.9646670 0.1411871
# [10] 0.7767125
# $X5
# [1] 0.80372740 0.79334595 0.35756312 0.05800106 0.56574614 0.80372740 0.79334595 0.35756312
# [9] 0.05800106 0.56574614
# $O6
# [1] 0.6590069 0.1069735 0.1483839 0.9277570 0.4763697 0.6590069 0.1069735 0.1483839 0.9277570
# [10] 0.4763697
# $X7
# [1] 0.4985587 0.2567427 0.4916694 0.1174759 0.5128062 0.4985587 0.2567427 0.4916694 0.1174759
# [10] 0.5128062
# $X8
# [1] 0.6578783 0.1215491 0.5159349 0.3016811 0.7603278 0.6578783 0.1215491 0.5159349 0.3016811
# [10] 0.7603278
如果这荣幸地归功于rowwise分组，我本来希望看到这样的东西，它只代表一行数据：
lapply(list(...), `[`, 1)
# $X3
# [1] 0.1046694
# $X4
# [1] 0.8417851
# $X5
# [1] 0.8037274
# $O6
# [1] 0.6590069
# $X7
# [1] 0.4985587
# $X8
# [1] 0.6578783
答案 1 :(得分：4)
有了tidyverse，我们可以做到
1）与reduce和pmin
library(tidyverse)
df %>%
select(X3:X8) %>%
reduce(pmin) %>%
mutate(df, minval_X3_X8 = .)
# id X1 X2 X3 X4 X5 X6 O6
#1 a 0.6021140 0.9888592 0.1046694 0.8417851 0.80372740 0.6590069 0.4985587
#2 b 0.1950439 0.8151934 0.6461509 0.4474437 0.79334595 0.1069735 0.2567427
#3 c 0.9664587 0.2539684 0.5090904 0.9646670 0.35756312 0.1483839 0.4916694
#4 d 0.6509055 0.6872308 0.7066286 0.1411871 0.05800106 0.9277570 0.1174759
#5 e 0.3670719 0.8314290 0.8623137 0.7767125 0.56574614 0.4763697 0.5128062
#6 f 0.6021140 0.9888592 0.1046694 0.8417851 0.80372740 0.6590069 0.4985587
#7 g 0.1950439 0.8151934 0.6461509 0.4474437 0.79334595 0.1069735 0.2567427
#8 h 0.9664587 0.2539684 0.5090904 0.9646670 0.35756312 0.1483839 0.4916694
#9 i 0.6509055 0.6872308 0.7066286 0.1411871 0.05800106 0.9277570 0.1174759
#10 j 0.3670719 0.8314290 0.8623137 0.7767125 0.56574614 0.4763697 0.5128062
# X8 X9 X10 minval_X3_X8
#1 0.6578783 0.9152619 0.4291725 0.10466936
#2 0.1215491 0.4574306 0.3302786 0.10697354
#3 0.5159349 0.9210739 0.7528325 0.14838386
#4 0.3016811 0.2591188 0.8438981 0.05800106
#5 0.7603278 0.3437781 0.0108724 0.47636970
#6 0.6578783 0.9152619 0.4291725 0.10466936
#7 0.1215491 0.4574306 0.3302786 0.10697354
#8 0.5159349 0.9210739 0.7528325 0.14838386
#9 0.3016811 0.2591188 0.8438981 0.05800106
#10 0.7603278 0.3437781 0.0108724 0.47636970
2）或将列名称转换为符号并进行评估
df %>%
mutate(minval_X3_X8 = pmin(!!! rlang::syms(names(.)[3:8])))
答案 2 :(得分：3)
关于您的问题（1）问题中的代码的作用与以下内容相同：
df %>% rowwise() %>% mutate(minval_X3_X8 = min(X3))
或者只是
df %>% rowwise() %>% mutate(minval_X3_X8 = X3)
，下面的（1）中的问题（2），我们将对您的解决方案进行重新设计，使其能够正常工作，然后提供其他一些dplyr和基本解决方案。在下面的解决方案中，我们显示了min和max的结果。通过为mean或sd添加参数，可以很明显地将它们扩展为其他统计信息，例如median，mutate，summarize等。扩展aggregate函数。 请注意，下面所有的解决方案都可以与简单的min，max等配合使用，从而更容易扩展到其他统计信息。使用pmin的解决方案而不是min可能更难扩展，因为对于您想要的每个统计信息，可能都没有pmin的现成版本。
1）修改有问题的代码，要重做您的解决方案，我们可以使用do。在do中，点将指向当前组，在本例中为当前行，但是它将是一个列表，因此请转换回数据框。请注意，我们在{...}中使用了do，以防止{...}中的点将当前行引用为列表，而是引用了data.frame(.)。
df %>%
rowwise %>%
do(as.data.frame(.) %>% {
subs <- select(., X3:X8)
mutate(., Min = subs %>% min,
Max = subs %>% max)
} ) %>%
ungroup
给予：
# A tibble: 10 x 13
id X1 X2 X3 X4 X5 X6 O6 X8 X9 X10 Min Max
* <fct> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 a 0.602 0.989 0.105 0.842 0.804 0.659 0.499 0.658 0.915 0.429 0.105 0.842
2 b 0.195 0.815 0.646 0.447 0.793 0.107 0.257 0.122 0.457 0.330 0.107 0.793
3 c 0.966 0.254 0.509 0.965 0.358 0.148 0.492 0.516 0.921 0.753 0.148 0.965
4 d 0.651 0.687 0.707 0.141 0.0580 0.928 0.117 0.302 0.259 0.844 0.0580 0.928
5 e 0.367 0.831 0.862 0.777 0.566 0.476 0.513 0.760 0.344 0.0109 0.476 0.862
6 f 0.602 0.989 0.105 0.842 0.804 0.659 0.499 0.658 0.915 0.429 0.105 0.842
7 g 0.195 0.815 0.646 0.447 0.793 0.107 0.257 0.122 0.457 0.330 0.107 0.793
8 h 0.966 0.254 0.509 0.965 0.358 0.148 0.492 0.516 0.921 0.753 0.148 0.965
9 i 0.651 0.687 0.707 0.141 0.0580 0.928 0.117 0.302 0.259 0.844 0.0580 0.928
10 j 0.367 0.831 0.862 0.777 0.566 0.476 0.513 0.760 0.344 0.0109 0.476 0.862
2）申请使用apply：
df %>% {
Apply <- function(fun) select(., X3:X8) %>% apply(1, fun)
mutate(., Min = Apply(min), Max = Apply(max))
}
2a）基本R 或仅使用基本R：
Apply <- function(fun) apply(subset(df, select = X3:X8), 1, fun)
transform(df, Min = Apply(min), Max = Apply(max))
3）dplyr / tidyr 另一种可能性是dplyr，其中tidyr将df整形为长格式，以长格式执行计算，然后重新加入df：
library(dplyr)
library(tidyr)
df %>%
left_join({
gather(., key, value, -id) %>%
filter(between(key, "X3", "X8")) %>%
group_by(id) %>%
summarize(Min = min(value), Max = max(value)) %>%
ungroup
})
3a）基数R （3）可以在R基数R中使用reshape创建长格式数据帧，subset将其简化为X3：X8并合并以执行联接。
long <- reshape(df, dir = "long", varying = list(names(df)[-1]),
times = names(df)[-1], v.names = "min")
subs <- subset(long, time >= "X3" & time <= "X8")
merge(df, aggregate(min ~ id, subs, function(x) c(Min = min(x), Max = max(x))))
4）dplyr / purrr （1）与（2）相似，除了我们使用purrr::pmap_dbl而不是apply。
library(dplyr)
library(purrr)
df %>% {
Pmap <- function(fun) select(., X3:X8) %>% pmap_dbl(~ fun(c(...)))
mutate(., Min = Pmap(min), Max = Pmap(max))
}
进行了一些改进并添加了其他解决方案。
答案 3 :(得分：2)
您还可以将purrr::map与transpose一起使用
df %>% mutate(minval_X3_X8 = map(transpose(select(., X3:X8)), ~min(as.numeric(.x))))
#id X1 X2 X3 X4 X5 X6 O6
#1 a 0.6021140 0.9888592 0.1046694 0.8417851 0.80372740 0.6590069 0.4985587
#2 b 0.1950439 0.8151934 0.6461509 0.4474437 0.79334595 0.1069735 0.2567427
#3 c 0.9664587 0.2539684 0.5090904 0.9646670 0.35756312 0.1483839 0.4916694
#4 d 0.6509055 0.6872308 0.7066286 0.1411871 0.05800106 0.9277570 0.1174759
#5 e 0.3670719 0.8314290 0.8623137 0.7767125 0.56574614 0.4763697 0.5128062
#6 f 0.6021140 0.9888592 0.1046694 0.8417851 0.80372740 0.6590069 0.4985587
#7 g 0.1950439 0.8151934 0.6461509 0.4474437 0.79334595 0.1069735 0.2567427
#8 h 0.9664587 0.2539684 0.5090904 0.9646670 0.35756312 0.1483839 0.4916694
#9 i 0.6509055 0.6872308 0.7066286 0.1411871 0.05800106 0.9277570 0.1174759
#10 j 0.3670719 0.8314290 0.8623137 0.7767125 0.56574614 0.4763697 0.5128062
# X8 X9 X10 minval_X3_X8
#1 0.6578783 0.9152619 0.4291725 0.1046694
#2 0.1215491 0.4574306 0.3302786 0.1069735
#3 0.5159349 0.9210739 0.7528325 0.1483839
#4 0.3016811 0.2591188 0.8438981 0.05800106
#5 0.7603278 0.3437781 0.0108724 0.4763697
#6 0.6578783 0.9152619 0.4291725 0.1046694
#7 0.1215491 0.4574306 0.3302786 0.1069735
#8 0.5159349 0.9210739 0.7528325 0.1483839
#9 0.3016811 0.2591188 0.8438981 0.05800106
#10 0.7603278 0.3437781 0.0108724 0.4763697