如何使用 mutate() 在所有其他列的函数中创建一个新列而不命名它们答案

【问题标题】：How to create a new column with mutate() in function of all others without namimg them如何使用 mutate() 在所有其他列的函数中创建一个新列而不命名它们
【发布时间】：2021-04-07 15:50:53
【问题描述】：

我有一个tibble（我已经在使用tidyverse），但由于它很大，让我们使用稍作修改的iris 数据集：

iris %>%
  as_tibble() %>%
  select(-5)

我想创建另一列，它是这些列的平方和的平方根（您可能会注意到，它们都是dbl）。但是，这种方法应该泛化为任意数量的列和任意名称，这不仅是因为原始数据集有更多的列，还因为它更优雅。

此代码有效，但特定于具有以下名称的这些列：

iris %>%
  as_tibble() %>%
  select(-5) %>%
  mutate(linear = sqrt(Sepal.Length^2+Sepal.Width^2+Petal.Length^2+Petal.Width^2)) %>%
  arrange(linear)

这给出了预期的输出：

> iris %>%
+   as_tibble() %>%
+   select(-5) %>%
+   mutate(linear = sqrt(Sepal.Length^2+Sepal.Width^2+Petal.Length^2+Petal.Width^2)) %>%
+   arrange(linear)
# A tibble: 150 x 5
   Sepal.Length Sepal.Width Petal.Length Petal.Width linear
          <dbl>       <dbl>        <dbl>       <dbl>  <dbl>
 1          4.5         2.3          1.3         0.3   5.23
 2          4.3         3            1.1         0.1   5.36
 3          4.4         2.9          1.4         0.2   5.46
 4          4.4         3            1.3         0.2   5.49
 5          4.4         3.2          1.3         0.2   5.60
 6          4.6         3.1          1.5         0.2   5.75
 7          4.6         3.2          1.4         0.2   5.78
 8          4.8         3            1.4         0.1   5.83
 9          4.7         3.2          1.3         0.2   5.84
10          4.8         3            1.4         0.3   5.84
# … with 140 more rows

【问题讨论】：

标签： r dplyr

【解决方案1】：

这对你有用吗？

iris %>%
+   as_tibble() %>%
+   select(-5) %>% mutate(linear = sqrt(rowSums(iris[-5]**2))) %>% arrange(linear)
# A tibble: 150 x 5
   Sepal.Length Sepal.Width Petal.Length Petal.Width linear
          <dbl>       <dbl>        <dbl>       <dbl>  <dbl>
 1          4.5         2.3          1.3         0.3   5.23
 2          4.3         3            1.1         0.1   5.36
 3          4.4         2.9          1.4         0.2   5.46
 4          4.4         3            1.3         0.2   5.49
 5          4.4         3.2          1.3         0.2   5.60
 6          4.6         3.1          1.5         0.2   5.75
 7          4.6         3.2          1.4         0.2   5.78
 8          4.8         3            1.4         0.1   5.83
 9          4.7         3.2          1.3         0.2   5.84
10          4.8         3            1.4         0.3   5.84
# ... with 140 more rows

【讨论】：

在这里，我正在用purrr 函数破解我的大脑，这个超级简单而优雅的答案潜伏在我的掌握之外......是的，它有效！只要 StackOverflow 允许，我就会接受它！

【解决方案2】：

您也可以使用此解决方案：

library(dplyr)
library(purrr)

iris %>%
  as_tibble() %>%
  select(-5) %>%
  mutate(linear = pmap(., ~ sqrt(sum(c(...) ^ 2)))) %>%
  unnest(linear) %>%
  arrange(linear)

# A tibble: 150 x 5
   Sepal.Length Sepal.Width Petal.Length Petal.Width linear
          <dbl>       <dbl>        <dbl>       <dbl>  <dbl>
 1          4.5         2.3          1.3         0.3   5.23
 2          4.3         3            1.1         0.1   5.36
 3          4.4         2.9          1.4         0.2   5.46
 4          4.4         3            1.3         0.2   5.49
 5          4.4         3.2          1.3         0.2   5.60
 6          4.6         3.1          1.5         0.2   5.75
 7          4.6         3.2          1.4         0.2   5.78
 8          4.8         3            1.4         0.1   5.83
 9          4.7         3.2          1.3         0.2   5.84
10          4.8         3            1.4         0.3   5.84
# ... with 140 more rows

如果您想知道如何将purrr 函数应用于此类问题，请查看亲爱的akrun 提供的this 综合回答。

【讨论】：

【解决方案3】：

这是一个有趣的问题。我希望找到一个 map_dbl/pmap_dbl 解决方案，尽管我最终得到了这个：注意rowwise()

iris %>%
  as_tibble() %>%
  select(-5) %>%
  rowwise() %>% 
  mutate(linear = sqrt(sum(cur_data()^2))) %>%
  arrange(linear)

# A tibble: 150 x 5
# Rowwise: 
   Sepal.Length Sepal.Width Petal.Length Petal.Width linear
          <dbl>       <dbl>        <dbl>       <dbl>  <dbl>
 1          4.5         2.3          1.3         0.3   5.23
 2          4.3         3            1.1         0.1   5.36
 3          4.4         2.9          1.4         0.2   5.46
 4          4.4         3            1.3         0.2   5.49

【讨论】：