Question

例如，我感兴趣的是将data.frame或tibble的所有列（几乎）替换为从每行中减去行最小值的列。例如，如果X是一个数值矩阵，那么在基数R中，我会写：

X = sweep(X, 1, apply(X, 1, min))

我当前使用我拥有的数据执行此操作的功能-我将立即解释格式-将数值列拉出到矩阵中，进行扫描，然后cbind将转换后的数据和非数值数据又重新组合在一起。那就是：

subtractMin = function(data){
  X = data %>% 
    select(starts_with("X")) %>% 
    as.matrix()

  X = sweep(X, 1, apply(X, 1, min))

  labels = data %>% 
    select(-starts_with("X"))

  return(cbind(labels, X))
}

这让我感到效率低下，并且必须是一种更明智的方法。

我认为了解给定的上下文并不重要，但是我的数据有77行和1133列。其中四列包含标签信息，其余1129列包含每个观测值的数值测量值（如果您愿意的话，它们是光谱）。数字变量的数量使得单个mutate不再可行。同样，您仍然需要知道最小行数才能对每一行进行标准化。

已要求我添加一些数据。原始数据有1000列以上，因此我将提供一个较小的数据集

> x.df
      nm X1799.38928 X1798.01526 X1796.64124 source color rep
1 s001c1   13901.944   13889.056   13883.334     01     c   1
2 s001c2   17293.586   17279.375   17291.365     01     c   2
3 s001c3    8011.764    8028.584    8033.548     01     c   3
4 s001c4    7499.272    7510.719    7517.064     01     c   4
5 s001c5   20300.408   20293.604   20297.185     01     c   5

Answer 1

（就其价值而言，我认为此处的否决票有些刺耳，没有根据。问题陈述很明确，示例数据已包含在编辑中。）

通过将数字列中的数据从宽转换为长（使用gather，按行分组（使用group_by），减去最小值（使用{{1 }}），然后从长到宽转换（使用mutate）。

spread

样本数据

library(tidyverse)
df %>%
    gather(k, v, starts_with("X")) %>%
    group_by(nm) %>%
    mutate(v = v - min(v)) %>%
    spread(k, v) %>%
    select(names(df))
## A tibble: 5 x 7
## Groups:   nm [5]
#  nm     X1799.38928 X1798.01526 X1796.64124 source color   rep
#  <fct>        <dbl>       <dbl>       <dbl>  <int> <fct> <int>
#1 s001c1       18.6         5.72        0.        1 c         1
#2 s001c2       14.2         0.         12.0       1 c         2
#3 s001c3        0.         16.8        21.8       1 c         3
#4 s001c4        0.         11.4        17.8       1 c         4
#5 s001c5        6.80        0.          3.58      1 c         5

Answer 2

我知道您要tidyverse / dplyr，但如果您忽略了基数R，可以采用以下解决方案：

ind <- !names(df) %in% c("nm","source","color","rep")
df[ind] <- df[ind] - do.call(pmin, df[ind])
df
#       nm X1799.38928 X1798.01526 X1796.64124 source color rep
# 1 s001c1      18.610       5.722       0.000      1     c   1
# 2 s001c2      14.211       0.000      11.990      1     c   2
# 3 s001c3       0.000      16.820      21.784      1     c   3
# 4 s001c4       0.000      11.447      17.792      1     c   4
# 5 s001c5       6.804       0.000       3.581      1     c   5

我想这将成为tidyverse解决方案（尽管不是很惯用）：

df %>% 
  split.default(!names(df) %in% c("nm","source","color","rep")) %>%
  map_at("TRUE", ~ .x - invoke(pmin,.x)) %>%
  bind_cols
#       nm source color rep X1799.38928 X1798.01526 X1796.64124
# 1 s001c1      1     c   1      18.610       5.722       0.000
# 2 s001c2      1     c   2      14.211       0.000      11.990
# 3 s001c3      1     c   3       0.000      16.820      21.784
# 4 s001c4      1     c   4       0.000      11.447      17.792
# 5 s001c5      1     c   5       6.804       0.000       3.581

Answer 3

我们可以使用pmin来获取行的最小值，然后使用mutate_at来查找列和最小值之间的差异

library(tidyverse)
ins <- x.df %>%
            select(starts_with("X")) %>% 
            reduce(pmin)
x.df %>% 
      mutate_at(vars(starts_with("X")), funs(. - mins))
#  nm X1799.38928 X1798.01526 X1796.64124 source color rep
#1 s001c1      18.610       5.722       0.000      1     c   1
#2 s001c2      14.211       0.000      11.990      1     c   2
#3 s001c3       0.000      16.820      21.784      1     c   3
#4 s001c4       0.000      11.447      17.792      1     c   4
#5 s001c5       6.804       0.000       3.581      1     c   5

或将其组合成一条链

x.df %>% 
      mutate(mins = reduce(.[grepl("^X", names(.))], pmin)) %>% # get min by row
      mutate_at(vars(starts_with("X")), funs(. - mins)) %>% # take difference
      select(-mins) # remove the column mins

注意：pmin最初发布在我们的帖子中

使用dplyr / tidyverse进行类似扫频的操作

3 个答案:

样本数据