使用 R 进行分组、选择和变异答案

【问题标题】：Grouping, Selecting, and Mutate using R使用 R 进行分组、选择和变异
【发布时间】：2020-08-21 16:35:32
【问题描述】：

我有一个包含很多变量的数据框。我想按年份对我正在检查的变量进行分组，然后将它们标准化。这是一个示例 DF：

DF:

Var1   Var2   Year  BioTest   MathExam   WritingScore   Var3  Var 4
 X      X     2016   165        140         10           X     X
 X      X     2017   172        128         11           X     X
 X      X     2018   169        115          8           X     X
 X      X     2016   166        139         10           X     X
 X      X     2017   165        140         12           X     X

etc

我一直在尝试这些代码，但似乎无法正确：

DF<-DF %>%
group_by(Year) %>%
mutate(across(c("BioTest", "MathExam", "WritingScore")), scale)

和

DF<-DF %>%
group_by(Year) %>%
mutate(c(BioTest, MathExam, WritingScore)), scale)

任何帮助将不胜感激！

【问题讨论】：

标签： r dplyr data-wrangling

【解决方案1】：

我建议使用dplyr 示例使用across() 的下一种方法：

library(dplyr)
#Data
data(iris)
#Code
iris %>% group_by(Species) %>% mutate(across(Sepal.Length:Petal.Width,scale))

在across() 中，我已经定义了要缩放的变量范围和函数。

输出：

# A tibble: 150 x 5
# Groups:   Species [3]
   Sepal.Length[,1] Sepal.Width[,1] Petal.Length[,1] Petal.Width[,1] Species
              <dbl>           <dbl>            <dbl>           <dbl> <fct>  
 1           0.267           0.190            -0.357          -0.436 setosa 
 2          -0.301          -1.13             -0.357          -0.436 setosa 
 3          -0.868          -0.601            -0.933          -0.436 setosa 
 4          -1.15           -0.865             0.219          -0.436 setosa 
 5          -0.0170          0.454            -0.357          -0.436 setosa 
 6           1.12            1.25              1.37            1.46  setosa 
 7          -1.15           -0.0739           -0.357           0.512 setosa 
 8          -0.0170         -0.0739            0.219          -0.436 setosa 
 9          -1.72           -1.39             -0.357          -0.436 setosa 
10          -0.301          -0.865             0.219          -1.39  setosa 
# ... with 140 more rows

保留原始名称，就像在您的初始数据框中一样。对于您添加的数据，这是代码和结果：

df %>% group_by(Year) %>% mutate(across(BioTest:WritingScore,scale))

输出：

# A tibble: 5 x 4
# Groups:   Year [3]
   Year BioTest[,1] MathExam[,1] WritingScore[,1]
  <int>       <dbl>        <dbl>            <dbl>
1  2016      -0.707        0.707          NaN    
2  2017       0.707       -0.707           -0.707
3  2018     NaN          NaN              NaN    
4  2016       0.707       -0.707          NaN    
5  2017      -0.707        0.707            0.707

您可以进一步处理输出，但对于真实数据，您应该有更多的观察结果。

最后部分使用的一些数据是：

df <- structure(list(Year = c(2016L, 2017L, 2018L, 2016L, 2017L), BioTest = c(165L, 
172L, 169L, 166L, 165L), MathExam = c(140L, 128L, 115L, 139L, 
140L), WritingScore = c(10L, 11L, 8L, 10L, 12L)), class = "data.frame", row.names = c(NA, 
-5L))

【讨论】：

我刚试过这个，这是我得到的错误：错误：mutate() 输入问题..1。 x across() 输入 .fns 有问题。 i 输入 .fns 必须为 NULL、函数、公式或函数/公式列表。 i 输入..1 是across(...)。 i 组 1 中出现的错误：TestYear = 2008。我需要的列都不是在一行中，我已经输入了它们，后跟逗号。 IE。 ...跨越（Sepal.Width，Petal.Length，比例））。我输入错误了吗？
@JeffB 在across 中，你必须包含你的变量。试试across(c(var1,var2,varn),scale) 里面mutate() 让我知道这是否有效！
类似df %>% group_by(Year) %>% mutate(across(c(BioTest,WritingScore),scale))@JeffB 还要检查答案的最后部分！
这成功了！我的数据中确实有一些 NA，我需要在此代码中写入“na.rm = TRUE”吗？谢谢！
@JeffB 很好，因为NA 更好，如果您查看此帖子stackoverflow.com/questions/35775696/… :)

【解决方案2】：

与data.table

library(data.table)
setDT(df)[, lapply(.SD, function(x) scale(x)[,1]), Year]

数据

df <- structure(list(Year = c(2016L, 2017L, 2018L, 2016L, 2017L), BioTest = c(165L, 
172L, 169L, 166L, 165L), MathExam = c(140L, 128L, 115L, 139L, 
140L), WritingScore = c(10L, 11L, 8L, 10L, 12L)), class = "data.frame", 
row.names = c(NA, 
-5L))

【讨论】：