将数字列从计数转换为比例的整洁方法答案

【问题标题】：Tidy way to convert numeric columns from counts to proportions将数字列从计数转换为比例的整洁方法
【发布时间】：2021-07-16 14:04:43
【问题描述】：

我只想将下面数据框中的数字行转换为按行比例。

df <- data.frame(
  "id" = c("A", "B", "C", "D"),
  "x" = c(1, 2, 3, 4),
  "y" = c(2, 4, 6, 8)
)

所以 df$x[1]

我目前的尝试，基于阅读了许多类似的帖子，如下

df %>%
  mutate_if(is.numeric, . / rowSums(across(where(is.numeric))))

这会返回以下错误：Error: across() must only be used inside dplyr verbs.

请帮忙！

【问题讨论】：

标签： r tidyverse dplyr

【解决方案1】：

改写如下：

df %>%
  mutate_if(is.numeric, ~ . / rowSums(select(df, where(is.numeric))))

输出：

  id         x         y
1  A 0.3333333 0.6666667
2  B 0.3333333 0.6666667
3  C 0.3333333 0.6666667
4  D 0.3333333 0.6666667

编辑：如果您想要一个不使用除 dplyr 和 base 之外的任何其他包的答案，并且可以更轻松地通过管道传输，这里是另一种（hacky）解决方案：

df %>%
  group_by(id) %>% 
  mutate(sum = as.character(rowSums(select(cur_data(), is.numeric)))) %>%
  summarise_if(is.numeric, ~ . / as.numeric(sum))

在函数中引用当前数据的常用 dplyr 方法（例如 cur_data）似乎与我最初的措辞中的 rowSums 不兼容，所以我在这里采取了稍微不同的方法。不过可能有更好的方法，所以我愿意接受建议。

【讨论】：

我认为这是最好的解决方案，因为它不需要新的对象或导入
其实这个方案还是有问题的。也就是说，因为我必须引用rowSums 中的输入对象，所以我不能在管道序列中使用这个单行。有没有办法调整它以便可以在管道序列中使用？
@ADF 我添加了一些 dplyr-only 代码，删除了对 df 的引用。不是那个漂亮的解决方案imo（其他一些答案可能“更好”并且与管道同样兼容），但它适用于您的示例。

【解决方案2】：

我认为您可以使用以下解决方案：

library(dplyr)
library(purrr)

df[1] %>%
  bind_cols(
    pmap_df(df[-1], ~ prop.table(c(...))))

  id         x         y
1  A 0.3333333 0.6666667
2  B 0.3333333 0.6666667
3  C 0.3333333 0.6666667
4  D 0.3333333 0.6666667

还有这个，虽然有点冗长：

library(dplyr)
library(tidyr)

df %>%
  rowwise() %>%
  mutate(output = list(prop.table(c_across(where(is.numeric))))) %>%
  unnest_wider(output) %>%
  select(-c(x, y)) %>%
  setNames(names(df))

# A tibble: 4 x 3
  id        x     y
  <chr> <dbl> <dbl>
1 A     0.333 0.667
2 B     0.333 0.667
3 C     0.333 0.667
4 D     0.333 0.667

【讨论】：

【解决方案3】：

您可以按行计算总和并将其存储在一个变量中，然后将每一列除以该列中的值。

library(dplyr)

rs <- rowSums(df %>% select(where(is.numeric)), na.rm = TRUE)
  
df %>% mutate(across(where(is.numeric), ~./rs))

#  id         x         y
#1  A 0.3333333 0.6666667
#2  B 0.3333333 0.6666667
#3  C 0.3333333 0.6666667
#4  D 0.3333333 0.6666667

【讨论】：

【解决方案4】：

考虑janitor 包中的adorn_percentages()。

janitor::adorn_percentages(df)

id         x         y
  A 0.3333333 0.6666667
  B 0.3333333 0.6666667
  C 0.3333333 0.6666667
  D 0.3333333 0.6666667

【讨论】：

【解决方案5】：

我们可能会使用reduce

library(dplyr)
library(purrr)
df %>%
    mutate(across(where(is.numeric))/select(cur_data(), 
         where(is.numeric)) %>% 
        reduce(`+`))
  id         x         y
1  A 0.3333333 0.6666667
2  B 0.3333333 0.6666667
3  C 0.3333333 0.6666667
4  D 0.3333333 0.6666667

【讨论】：

【解决方案6】：

使用proportions 的基本 R 选项

idx <- sapply(df, is.numeric)
df[idx] <- proportions(as.matrix(df[idx]), 1)

给予

> df
  id         x         y
1  A 0.3333333 0.6666667
2  B 0.3333333 0.6666667
3  C 0.3333333 0.6666667
4  D 0.3333333 0.6666667

【讨论】：