将使用数据框中的列作为输入的函数应用到 1:n 列和行上的每个值

Question

我正在尝试分两步将两个简单函数应用于矩阵或 df 中 1:n 列上的所有行，其中我想使用最后一列中的值作为函数的输入。 这个问题可能是重复的，但是我根本找不到我正在寻找的解决方案。我曾尝试编写一个函数、apply 和 dplyr 函数，但在如何引用特定列并为 x、y 的每个组合获取单独的结果时遇到问题。

我在这里 [how to apply a function to every row of a matrix (or a data frame) in R 和这里查看了答案：

但是这些操作大多是行或列的，我需要这个函数来处理每个观察，即

这是我的数据的简化示例 - 但我的数据帧在变量和长度方面的长度不同，因为我正在测量可变深度的深度剖面。

第一个想要的功能：

df<- matrix(c( 
      1.11543500, 1.09273900, 1.09362300, 1.09073300, 1.09668300, 0.0876387143,
      1.08729500, 1.06946100, 1.06227900, 1.06633600, 1.06690000, 0.0853604143,
      1.05458300, 1.03921000, 1.03225300, 1.03782000, 1.03416200, 0.0790749429,
      1.02783210, 1.01204520, 1.00525750, 1.00781250, 1.00666170,  0.0756004571
    ), nrow = 4, byrow = TRUE)

首先我需要使用宽格式的 df 来应用类似的函数；

对于 V1:V5 的每一行减去 V6，这将给出这样的输出（最好将 V6 排除在外：

 df1
       V1         V2          V3          V4           V5          V6
1 1.027796286   1.005100286 1.005984286 1.003094286 1.009044286 0.087638714
2 1.001934586   0.984100586 0.976918586 0.980975586 0.981539586 0.085360414
3 0.975508057   0.960135057 0.953178057 0.958745057 0.955087057 0.079074943
4 0.952231643   0.936444743 0.929657043 0.932212043 0.931061243 0.075600457

我试过了：

    df1<- apply(df, 1, function(x) x[1:5]-x[6])

它给了我这个，这是错误的：

df1    [,1]      [,2]      [,3]      [,4]
 [1,] 1.027796 1.0019346 0.9755081 0.9522316
 [2,] 1.005100 0.9841006 0.9601351 0.9364447
 [3,] 1.005984 0.9769186 0.9531781 0.9296570
 [4,] 1.003094 0.9809756 0.9587451 0.9322120
 [5,] 1.009044 0.9815396 0.9550871 0.9310612

有人对如何更正代码有建议吗？我也愿意提供建议，例如 dplyr 或要调用的函数。

我希望它也能给我一个关于如何继续下一步的答案，我必须将第一次计算的结果转置并添加一些具有温度和盐度值以及常数的其他列通过如下公式计算：

  x = z- [constant_t * (t1 - t2) + constant_s * S]

其中 z 将是第一次计算的输出。

Answer 1

您可以使用dplyr 中的mutate_at 来执行此操作。我使用ncol 来确定要使用的列。然后，您可以按照@PoGibas 的建议使用t() 继续下一步。

library(dplyr)
df <- as_tibble(df) 
df1 <- mutate_at(df, 1:(ncol(df) -1), funs(. - df[[ncol(df)]]))
df1
#> # A tibble: 4 x 6
#>          V1        V2        V3        V4        V5         V6
#>       <dbl>     <dbl>     <dbl>     <dbl>     <dbl>      <dbl>
#> 1 1.0277963 1.0051003 1.0059843 1.0030943 1.0090443 0.08763871
#> 2 1.0019346 0.9841006 0.9769186 0.9809756 0.9815396 0.08536041
#> 3 0.9755081 0.9601351 0.9531781 0.9587451 0.9550871 0.07907494
#> 4 0.9522316 0.9364447 0.9296570 0.9322120 0.9310612 0.07560046

t(df1)
#>          [,1]       [,2]       [,3]       [,4]
#> V1 1.02779629 1.00193459 0.97550806 0.95223164
#> V2 1.00510029 0.98410059 0.96013506 0.93644474
#> V3 1.00598429 0.97691859 0.95317806 0.92965704
#> V4 1.00309429 0.98097559 0.95874506 0.93221204
#> V5 1.00904429 0.98153959 0.95508706 0.93106124
#> V6 0.08763871 0.08536041 0.07907494 0.07560046

如果您希望从结果中删除最后一个变量，您可以使用transmute_at 而不是mutate_at：

transmute_at(df, 1:(ncol(df) -1), funs(. - df[[ncol(df)]]))

#> # A tibble: 4 x 5
#>          V1        V2        V3        V4        V5
#>       <dbl>     <dbl>     <dbl>     <dbl>     <dbl>
#> 1 1.0277963 1.0051003 1.0059843 1.0030943 1.0090443
#> 2 1.0019346 0.9841006 0.9769186 0.9809756 0.9815396
#> 3 0.9755081 0.9601351 0.9531781 0.9587451 0.9550871
#> 4 0.9522316 0.9364447 0.9296570 0.9322120 0.9310612