我正在尝试使用mutate_((创建多个列,其中每个列都基于使用不同输入调用的自定义函数。我可以使用paste((创建多个带引号的函数调用,但这不起作用,因为dplyr的NSE需要公式(~(而不是带引号的字符串才能找到函数。如何写下下面的"dots="行以便找到函数?我试着用~、as.formula((和lazyeval::interp((进行实验,但都没能成功。我实际的"前缀"是一个长向量,所以我不想单独写出每个新列的函数调用。感谢
library(dplyr)
library(lazyeval)
library(nycflights13)
myfunc = function(x, y) { x - y }
# this works
flights1 <- mutate(flights, dep_time_sched = myfunc(dep_time, dep_delay),
arr_time_sched = myfunc(arr_time, arr_delay))
# this doesn't - Error: could not find function "myfunc"
prefixes <- c('dep', 'arr')
dots = as.list(paste0('myfunc(',
paste0(prefixes, '_time'), ', ',
paste0(prefixes, '_delay)')))
flights2 <- mutate_(flights, .dots = setNames(dots, paste0(prefixes, '_time_sched')))
您可以通过使用interp
和lapply
循环前缀并获得mutate_
所需格式的列表来实现这一点。
dots = lapply(prefixes, function(var) interp(~myfunc(x, y),
.values = list(x = as.name(paste0(var, "_time")),
y = as.name(paste0(var, "_delay")))))
dots
[[1]]
~myfunc(dep_time, dep_delay)
<environment: 0x0000000019e51f00>
[[2]]
~myfunc(arr_time, arr_delay)
<environment: 0x0000000019f1e5b0>
这将得到与flights1
相同的结果。
flights2 = mutate_(flights, .dots = setNames(dots, paste0(prefixes, '_time_sched')))
identical(flights1, flights2)
[1] TRUE
我实际的"前缀"是一个长向量,所以我不想单独写出每个新列的函数调用。
如果是这样的话,您应该真正将数据转换为长格式。为了澄清我的意思,让我们看一个较小的例子:
mydat <- flights[1:5, c(paste0(prefixes,"_time"), paste0(prefixes,"_delay"))]
# dep_time arr_time dep_delay arr_delay
# (int) (int) (dbl) (dbl)
# 1 517 830 2 11
# 2 533 850 4 20
# 3 542 923 2 33
# 4 544 1004 -1 -18
# 5 554 812 -6 -25
library(data.table)
longdat <- setDT(mydat)[, .(
pref = rep(prefixes, each=.N),
time = unlist(mget(paste0(prefixes,"_time"))),
delay = unlist(mget(paste0(prefixes,"_delay")))
)]
longdat[, time_sched := myfunc(time, delay) ]
# pref time delay time_sched
# 1: dep_ 517 2 515
# 2: dep_ 533 4 529
# 3: dep_ 542 2 540
# 4: dep_ 544 -1 545
# 5: dep_ 554 -6 560
# 6: arr_ 830 11 819
# 7: arr_ 850 20 830
# 8: arr_ 923 33 890
# 9: arr_ 1004 -18 1022
# 10: arr_ 812 -25 837
除了更简单之外,一次调用函数还利用了它的矢量化。
虽然我使用data.table来构建longdat
,但我相信tidyr包中也有一个工具可以做同样的事情(与dplyr配套(。类似地,time_sched
列的添加只是mutate
。
重塑的替代方法多亏了@akrun,这里有另一种方法可以使用melt
函数语法来访问longdat
,该语法将在data.table的下一版本(1.9.8,尚未发布(中提供:
longdat <- melt(mydat,
measure = patterns('time$','delay$'),
variable.name = "pref",
value.name = c('time', 'delay')
)[, pref := prefixes[pref]]
或者,也多亏了@akrun,这里有一种重塑的方法,可以在给定后缀(time
和delay
(的情况下,使用@AnandaMahto的splitstackshape包自动构建前缀:
library(splitstackshape)
longdat <- merged.stack(transform(mydat, ind=1:nrow(mydat)),
var.stubs = c('_time', '_delay'),
sep = 'var.stubs',
atStart = FALSE)