具有程序名称的重复列答案

【问题标题】：Duplicate columns with programatic names具有程序名称的重复列
【发布时间】：2019-08-02 08:53:25
【问题描述】：

我有需要分成几个月的年度数据。操作非常简单，只需将月份的年度数据平均分配即可。

我的第一步是复制年度列 12 次，并使用适当的列名称（月份）。下一步是将每列除以 12。

我被困在第一步，因为我能够创建月份列，但只填充了第一个，其余的只是 NAs

使用 Iris 数据集查看下面的一些代码

months <- paste(2019,seq(1,12,1), sep = "-")
map_df(months, ~
             iris %>% mutate(!!.x := Sepal.Length))

   Sepal.Length Sepal.Width Petal.Length Petal.Width    Species 2019-1 2019-2 2019-3 2019-4 2019-5 2019-6 2019-7 2019-8 2019-9 2019-10 2019-11 2019-12
1           5.1         3.5          1.4         0.2     setosa    5.1     NA     NA     NA     NA     NA     NA     NA     NA      NA      NA      NA
2           4.9         3.0          1.4         0.2     setosa    4.9     NA     NA     NA     NA     NA     NA     NA     NA      NA      NA      NA
3           4.7         3.2          1.3         0.2     setosa    4.7     NA     NA     NA     NA     NA     NA     NA     NA      NA      NA      NA
4           4.6         3.1          1.5         0.2     setosa    4.6     NA     NA     NA     NA     NA     NA     NA     NA      NA      NA      NA

如您所见，2019-1 年工作正常（复制 Sepal.Length），但其余月份只是 NA。

我在这里缺少什么？

【问题讨论】：

在data.table 中也更直接：setDT(iris)[, (months) := Sepal.Length]（尽管这可能无法正常工作，因为iris 已锁定，您需要先进行复制）

标签： r dictionary dplyr purrr

【解决方案1】：

当你可以直接为多列赋值时，你真的需要这个方法吗？

df <- iris 
df[months] <- df$Sepal.Length

df[5:8]

#       Species 2019-1 2019-2 2019-3
#1       setosa    5.1    5.1    5.1
#2       setosa    4.9    4.9    4.9
#3       setosa    4.7    4.7    4.7
#4       setosa    4.6    4.6    4.6
#5       setosa    5.0    5.0    5.0
#6       setosa    5.4    5.4    5.4
#...

【讨论】：

【解决方案2】：

如果您使用 for 循环来执行此操作，这应该不是什么大问题。在这里，我提供了一个使用 {data.table} 的示例。

library(data.table)
iris <- data.table(iris)

months <- paste(2019, seq(1,12,1), sep = "-")

for(i in 1:12){

  iris[, (months[i]) := Sepal.Length]

}

由于我对 {dplyr} 不太熟悉，我可以给出一个类似的等价物，但可能有更好的方法来做到这一点。

for(i in 1:12){

  iris <- mutate(iris, PlaceHolder = Sepal.Length)
  names(iris) <- gsub("PlaceHolder", months[i], names(iris))

}

【讨论】：

【解决方案3】：

它们不是空的。问题是，~ 右侧的表达式返回的不是列，而是 tibble。检查您的结果有多少行：

map_df(months, ~ iris %>% mutate(!!.x := Sepal.Length)) %>% nrow

结果是1800！这是因为map_df 实际上是伪装的map_dfr，它会尝试绑定结果数据帧的行。因此，第一列将是 Sepal.Width，然后是一堆 NA；下一列——一堆 NA，然后是一堆值，然后又是一堆 NA……让我们从 iris 中只取三个日期和三行：

months <- paste(2019,seq(1,3,1), sep = "-")
map_df(months, ~ iris %>% slice(1:3) %>% mutate(!!.x := Sepal.Length) %>% select(!!.x))

结果是

  2019-1 2019-2 2019-3
1    5.1     NA     NA
2    4.9     NA     NA
3    4.7     NA     NA
4     NA    5.1     NA
5     NA    4.9     NA
6     NA    4.7     NA
7     NA     NA    5.1
8     NA     NA    4.9
9     NA     NA    4.7

要得到你想要的，你需要使用map_dfc（按列绑定）：

map_df(months, ~ iris %>% slice(1:3) %>% mutate(!!.x := Sepal.Length) %>% select(!!.x))

结果：

  2019-1 2019-2 2019-3
1    5.1    5.1    5.1
2    4.9    4.9    4.9
3    4.7    4.7    4.7

然而，这一切都太复杂了。你可以这样做：

iris[,months] <- iris$Sepal.Width

【讨论】：