R/dplyr：基于多个动态变量名进行变异

Question

我有一个数据框列表，每个数据框都包含多个变量，这些变量包含表面积值（以“_area”结尾）。对于每个表面积变量，我想使用相应的转换因子（以“_unit”结尾）来计算包含标准测量单位面积的第三个变量。我希望这些变量以“_area_ha”结尾。

以下是我的示例数据框：

a <- tibble(a1_area = c(1,1,1), a2_area_unit = c(1,1,0.5), a2_area = c(1,1,1),
            a1_area_unit = c(1,0.5,0.5), abc = c(1,2,3))

b <- tibble(b1_area = c(1,1,1), b1_area_unit = c(1,1,0.5), b2_area = c(1,1,1),
            b2_area_unit = c(1,0.5,0.5), abc = c(1,2,3))

ab_list <- list(a, b)

names(ab_list) <- c("a", "b")

我知道如何在循环的帮助下做到这一点，但想了解如何在 tidyverse/dplyr 逻辑中做到这一点。我的循环（它给了我想要的输出）看起来像这样：

df_names <- names(ab_list)

for (d in df_names) {

  df <- ab_list[[d]]
  var_names <- names(select(df, matches("_area$")))

    for (v in var_names) {
      int  <- df %>% select(all_of(v),)
      int2 <- df %>% select(matches(paste0(names(int), "_unit")))
      int3 <- int*int2
      names(int3) <- paste0(names(int), "_ha")
      df <- cbind(df, int3)
      rm(int, int2, int3)
      }

  ab_list[[d]] <- tibble(df)
  rm(df)
  }

> ab_list
$`a`
# A tibble: 3 x 7
  a1_area a2_area_unit a2_area a1_area_unit   abc a1_area_ha a2_area_ha
    <dbl>        <dbl>   <dbl>        <dbl> <dbl>      <dbl>      <dbl>
1       1          1         1          1       1        1          1  
2       1          1         1          0.5     2        0.5        1  
3       1          0.5       1          0.5     3        0.5        0.5

$b
# A tibble: 3 x 7
  b1_area b1_area_unit b2_area b2_area_unit   abc b1_area_ha b2_area_ha
    <dbl>        <dbl>   <dbl>        <dbl> <dbl>      <dbl>      <dbl>
1       1          1         1          1       1        1          1  
2       1          1         1          0.5     2        1          0.5
3       1          0.5       1          0.5     3        0.5        0.5

我尝试过使用 lapply 和 mutate_at，但我的方法不起作用。如果我理解正确，这是因为我的环境是嵌套的，我无法在计算变量“ha”的函数中访问 x。

ab_list %>% 
  lapply(function(x) mutate_at(x, vars(matches("_area$")), list(ha = ~.*x[[paste0(names(.),"_unit")]])))

Error: Column `a1_area_ha` must be length 3 (the number of rows) or one, not 0 

有没有办法让 mutate_at 中的函数根据函数中初始变量的名称访问父数据框中的变量？

如果有任何其他关于基于动态变量名称计算“_ha”变量的 tidyverse 方法的建议，我当然会很高兴。

Answer 1

很好的问题。下面是一个基本的 R 解决方案。我确信它可以适应 tidyverse 解决方案（例如，使用 purrr::map2()）。在这里，我构建了一个进行基本测试的函数，然后将其与lapply() 一起使用。注意：答案是为您的示例量身定制的，因此如果值/单位的列名不同，则需要对其进行调整。希望这会有所帮助！

val_by_unit <- function(data) {

  df <- data[order(names(data))]

  # Selecting columns for values and units
  val <- df[endsWith(names(df), "area")]
  unit <- df[endsWith(names(df), "unit")]


  # Check names are multiplying correctly
  if(!all(names(val) == sub("_unit", "", names(unit)))) {
    stop("Not all areas have a corresponding unit")
  }

  # Multiplying corresponding columns
  output <- Map(`*`, val, unit)

  # Renaming output and adding columns   
  data[paste0(names(output), "_ha")] <- output
  data
}

结果：

lapply(ab_list, val_by_unit)

$a
# A tibble: 3 x 7
  a1_area a2_area_unit a2_area a1_area_unit   abc a1_area_ha a2_area_ha
    <dbl>        <dbl>   <dbl>        <dbl> <dbl>      <dbl>      <dbl>
1       1          1         1          1       1        1          1  
2       1          1         1          0.5     2        0.5        1  
3       1          0.5       1          0.5     3        0.5        0.5

$b
# A tibble: 3 x 7
  b1_area b1_area_unit b2_area b2_area_unit   abc b1_area_ha b2_area_ha
    <dbl>        <dbl>   <dbl>        <dbl> <dbl>      <dbl>      <dbl>
1       1          1         1          1       1        1          1  
2       1          1         1          0.5     2        1          0.5
3       1          0.5       1          0.5     3        0.5        0.5

Answer 2

tidyverse 函数最适用于“长”格式的数据，其中每一行都代表一个唯一的数据点。为此，您需要使用tidyr::pivot_longer 函数：

# Join dataframes
dplyr::bind_cols(a, b) %>%
# Convert to area columns to long format
tidyr::pivot_longer(
  cols = dplyr::ends_with('area'),
  names_to = 'site',
  values_to = 'area'
) %>%
# Convert unit columns to long format
tidyr::pivot_longer(
  cols = dplyr::ends_with('unit'),
  names_to = 'site2',
  values_to = 'unit'
) %>%
# Just extract first 2 characters of the site column to get unique ID
dplyr::mutate(
  site = stringr::str_sub(site, 1, 2)
) %>%
# Remove redundant columns
dplyr::select(abc, site, area, unit) %>%
# Calculate area in HA
dplyr::mutate(
  area_ha = area * unit
)

一旦您的数据为长格式，您只需使用dplyr::mutate 将您的面积列乘以单位列即可得到 area_ha 列。如果要将数据转换回其原始格式，可以使用tidyr::pivot_wider 将数据转换回宽格式，这将为您提供名称为 a1_area_ha、a2_area_ha 等的列。