分组观察和计算Z分数[重复]

Question

我目前正在研究气候数据集，有两个主要问题我无法解决。

R = https://ufile.io/xnvy4coh

数据 = https://ufile.io/u2dszh4x

1. 有没有办法在对应的列之前融化季节字段，使其产生类似https://imgur.com/dF3gNY0 我想在季节列中生成一个名为“grow”的新类，其中包含 ppt 和春季和夏季月份的所有其他参数的平均值。我最初试图将 prism_grouped 与一年的列和其他列和个人观察，即（spring_ppt_mm，summer_ppt_mm，fall_ppt_mm，winter_ppt_mm，...）并使用 mutate 从那里计算它，但融化和收集数据总是让我很不稳定结果。

2. 当我尝试计算每个赛季的 z 分数时，当我使用这种方法时，我会在输出数据库中填充 NaN：

   弹簧 %

   过滤器（季节==“春天”）%>%

   变异(z_ppt_mm = scale(ppt_mm)) %>%

   变异(z_tmin_c = scale(tmin_c)) %>%

   变异(z_tmean_c = scale(tmean_c)) %>%

   变异(z_tmax_c = scale(tmax_c)) %>%

   变异(z_vdpmin_hpa = scale(vdpmin_hpa)) %>%

   变异(z_vdpmax_hpa = scale(vdpmax_hpa))

但如果我执行以下操作会得到有效结果：

spring <- filter(prism_grouped,season == "spring")
z_spr_ppt <- scale(spring$ppt_mm)
z_spr_tmin <- scale(spring$tmin_c)
z_spr_tmean <- scale(spring$tmean_c)
z_spr_tmax <- scale(spring$tmax_c)
z_spr_vdpmin <- scale(spring$vdpmin_hpa)
z_spr_vdpmax <- scale(spring$vdpmax_hpa)

我目前可以使用第二种方法，但我正在尝试减少我正在使用的变量的数量，并且希望将它们包含在数据框中。任何建议将不胜感激！

Answer 1

我不明白第一个问题，但对于第二个问题，您可以使用 across（或旧 mutate_at 中的 mutate_at）将相同的功能应用于多个列。类似的东西：

library(dplyr)

spring <- prism_grouped %>%
  ungroup %>%
  filter(season == "spring") %>%
  mutate(across(ppt_mm:vdpmax_hpa, ~as.numeric(scale(.)), .names = 'z_{col}'))