为可视化该问题,我们假设我在R中有一个数据集data
,其中包含以下列:
我要对列的子集执行操作:
data_final <- data %>%
mutate_at(vars(T1, T2), funs(if(param > 100) {
. * T(n)_g1
} else {
. * T(n)_g2
}
如何在表达式T(n)_g1
中引用正确的列名,以便它在进行突变时分别从T1_g1
和T2_g1
中获取数据?
(在实际情况下,我有更多的列和条件,因此,不能手动键入所有可能的情况)
答案 0 :(得分:2)
if
需要一个比较,但是由于这是一个向量,因此需要if_else
(或ifelse
)。我不知道您可以基于mutate*
快速界面中要更改的名称来(轻松)动态地确定其他列的名称。一个快速的技巧可能是:
data %>%
mutate(
T1 = if_else(param > 100, T1_g1, T1_g2) * T1,
T2 = if_else(param > 100, T2_g1, T2_g2) * T2
)
但这仅在您有{/ {1}}个变量的小型/静态列表要修改的情况下有效。
如果这些T*
变量有动态(或仅“高”)个数,则一种方法包括将帧重塑为更长的格式。 (有人可能会争辩说,无论如何,长格式都可能更适合此操作,所以我将带您逐步了解一下long-long-mutate以及Wide-long-mutate-wide。)
一些数据:
T*
首先,第一次重塑:
x <- data_frame(
param = c(1L,50L,101L,150L),
T1 = 1:4,
T2 = 5:8,
T1_g1 = (1:4)/10,
T1_g2 = (1:4)*10,
T2_g1 = (5:8)/10,
T2_g2 = (5:8)*10
)
x
# # A tibble: 4 x 7
# param T1 T2 T1_g1 T1_g2 T2_g1 T2_g2
# <int> <int> <int> <dbl> <dbl> <dbl> <dbl>
# 1 1 1 5 0.1 10 0.5 50
# 2 50 2 6 0.2 20 0.6 60
# 3 101 3 7 0.3 30 0.7 70
# 4 150 4 8 0.4 40 0.8 80
我们要做的是将x %>%
gather(k, v, -param) %>%
mutate(
num = sub("^T([0-9]+).*", "\\1", k),
k = sub("^T[0-9]+(.*)", "T\\1", k)
) %>%
spread(k, v)
# # A tibble: 8 x 5
# param num T T_g1 T_g2
# <int> <chr> <dbl> <dbl> <dbl>
# 1 1 1 1 0.1 10
# 2 1 2 5 0.5 50
# 3 50 1 2 0.2 20
# 4 50 2 6 0.6 60
# 5 101 1 3 0.3 30
# 6 101 2 7 0.7 70
# 7 150 1 4 0.4 40
# 8 150 2 8 0.8 80
列的3*n
,T#
和T#_g1
模式的四行变成三列,但{{1} }乘以行数。我们将此T#_g2
保留为另一列(目前)。一般而言,这可以说是一种很好的格式:n
,尤其是n
确实喜欢这种格式的数据,但是我可能还不知道。
现在完整的shebang(重复代码的前几行):
tidyverse
重塑后,您最初的ggplot2
概念被简化为单个x %>%
gather(k, v, -param) %>%
mutate(
num = sub("^T([0-9]+).*", "\\1", k),
k = sub("^T[0-9]+(.*)", "T\\1", k)
) %>%
spread(k, v) %>%
mutate(T = T * if_else(param > 100, T_g1, T_g2)) %>%
gather(k, v, -param, -num) %>%
mutate(k = if_else(grepl("^T", k), paste0("T", num, substr(k, 2, nchar(k))), k)) %>%
select(-num) %>%
spread(k, v)
# # A tibble: 4 x 7
# param T1 T1_g1 T1_g2 T2 T2_g1 T2_g2
# <int> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# 1 1 10 0.1 10 250 0.5 50
# 2 50 40 0.2 20 360 0.6 60
# 3 101 0.900 0.3 30 4.90 0.7 70
# 4 150 1.6 0.4 40 6.4 0.8 80
调用。其余的包括重新给宽度补水。
如果您的数据很大,可能会有点麻烦。其他解决方案可能涉及手动确定mutate_at
列和手动进行mutate(T = ...)
(在T#
之外)。