使用 dplyr 中的一个 mutate_across 函数进行减法和除法答案

【问题标题】：Subtract and divide using one mutate_across function in dplyr使用 dplyr 中的一个 mutate_across 函数进行减法和除法
【发布时间】：2021-07-06 10:59:35
【问题描述】：

我有一个看起来像 iris 数据集的数据集。

  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
2          4.9         3.0          1.4         0.2  setosa
3          4.7         3.2          1.3         0.2  setosa
4          4.6         3.1          1.5         0.2  setosa
5          5.0         3.6          1.4         0.2  setosa
6          5.4         3.9          1.7         0.4  setosa

我想通过 Sepal.Length:Petal.Width 用数字 2 减去每个值，然后将结果除以 4。如何在 dplyr 中使用 mutate_across 而不是两行来做到这一点？

iris %>% 
  mutate(across(c(Sepal.Length:Petal.Width), ~. -2 )) %>% 
  mutate(across(c(Sepal.Length:Petal.Width), ~. /4 ))

【问题讨论】：

标签： r dplyr tidyverse across

【解决方案1】：

library(dplyr, warn.conflicts = F)
iris %>%
  mutate(across(1:4, ~  (. - 2)/4))
#>     Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
#> 1          0.775       0.375       -0.150      -0.450     setosa
#> 2          0.725       0.250       -0.150      -0.450     setosa
#> 3          0.675       0.300       -0.175      -0.450     setosa
#> 4          0.650       0.275       -0.125      -0.450     setosa
#> 5          0.750       0.400       -0.150      -0.450     setosa
#> 6          0.850       0.475       -0.075      -0.400     setosa
#> 7          0.650       0.350       -0.150      -0.425     setosa
#> 8          0.750       0.350       -0.125      -0.450     setosa
#> 9          0.600       0.225       -0.150      -0.450     setosa
#> 10         0.725       0.275       -0.125      -0.475     setosa
.
.

^{由reprex package (v2.0.0) 于 2021-07-06 创建}

【讨论】：

为什么不能是where(is.numeric)
可以。但 OP 想将代码缩短 1 步。

【解决方案2】：

减法和除法函数可以直接应用于数据帧。

cols <- 1:4
iris[cols] <- (iris[cols] - 2)/4
head(iris)

#  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#1        0.775       0.375       -0.150       -0.45  setosa
#2        0.725       0.250       -0.150       -0.45  setosa
#3        0.675       0.300       -0.175       -0.45  setosa
#4        0.650       0.275       -0.125       -0.45  setosa
#5        0.750       0.400       -0.150       -0.45  setosa
#6        0.850       0.475       -0.075       -0.40  setosa

【讨论】：

谢谢罗纳克。一如既往的整洁解决方案

【解决方案3】：

另一种解决方案是使用mutate_at：

iris %>%
  mutate_at(vars('Sepal.Length':'Petal.Width'), funs((. - 2) * 4))

【讨论】：

请注意，_if、_at、_all 已在 dplyr 中被正式“取代”（略弱于弃用），我们鼓励您改用 across()。请参阅vignette("colwise")：“这些功能解决了一个紧迫的需求并被许多人使用，但现在已被取代。这意味着它们将继续存在，但不会收到任何新功能，只会得到关键的错误修复。”

【解决方案4】：

map_if 的选项

library(purrr)
library(dplyr)
map_if(iris, is.numeric, ~ (. - 2)/4) %>%
     bind_cols

【讨论】：

【解决方案5】：

我们可以试试下面的 base R 选项

cols <- which(sapply(iris, is.numeric))
iris[cols] <- (iris[cols] - 2) / 4

【讨论】：