dplyr中的mutate_each/summarise_each:如何选择某些列并为变异列赋予新名称？

Question

我对dplyr动词有点困惑mutate_each.

使用basic mutate将数据列转换为z-scores,并在data.frame中创建一个新列(此处带有名称z_score_data)非常简单:

newDF <- DF %>%
  select(one_column) %>%
  mutate(z_score_data = one_column - (mean(one_column) / sd(one_column))

但是,由于我想要转换许多数据列,看起来我应该使用mutate_each动词.

newDF <- DF %>%
     mutate_each(funs(scale))

到现在为止还挺好.但到目前为止我还没弄清楚:

1. 我怎样才能为这些新列提供适当的名称,就像我可以使用的那样mutate？
2. 如何选择我希望变异的某些列,就像我select在第一种情况下所做的那样？

谢谢你的帮助.

Answer 1

更新dplyr> = 0.4.3.9000

在dplyr开发版本0.4.3.9000(撰写本文时),内部命名mutate_each并summarise_each已简化,如新闻中所述:

的命名行为summarise_each(),并mutate_each()已经过调整,这样可以强制纳入该函数和变量名都的:summarise_each(mtcars, funs(mean = mean), everything())

如果您只想在mutate_each/中应用1个函数summarise_each并且想要为这些列赋予新名称,这一点非常重要.

为了显示差异,这里是使用新命名功能的dplyr 0.4.3.9000的输出,与下面的选项a.2相反:

library(dplyr) # >= 0.4.3.9000
iris %>% mutate_each(funs(mysum = sum(.)), -Species) %>% head()
#  Sepal.Length Sepal.Width Petal.Length Petal.Width Species Sepal.Length_mysum Sepal.Width_mysum
#1          5.1         3.5          1.4         0.2  setosa              876.5             458.6
#2          4.9         3.0          1.4         0.2  setosa              876.5             458.6
#3          4.7         3.2          1.3         0.2  setosa              876.5             458.6
#4          4.6         3.1          1.5         0.2  setosa              876.5             458.6
#5          5.0         3.6          1.4         0.2  setosa              876.5             458.6
#6          5.4         3.9          1.7         0.4  setosa              876.5             458.6
#  Petal.Length_mysum Petal.Width_mysum
#1              563.7             179.9
#2              563.7             179.9
#3              563.7             179.9
#4              563.7             179.9
#5              563.7             179.9
#6              563.7             179.9

如果您不提供新名称并且您只提供1个函数,则dplyr将更改现有列(与以前版本中一样):

iris %>% mutate_each(funs(sum), -Species) %>% head()
#  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#1        876.5       458.6        563.7       179.9  setosa
#2        876.5       458.6        563.7       179.9  setosa
#3        876.5       458.6        563.7       179.9  setosa
#4        876.5       458.6        563.7       179.9  setosa
#5        876.5       458.6        563.7       179.9  setosa
#6        876.5       458.6        563.7       179.9  setosa

我假设这个新功能将在下一个版本0.4.4中通过CRAN提供.

dplyr verions <= 0.4.3:

我怎样才能给这些新列提供适当的名称,就像我可以变异一样？

a)应用于mutate_each/的1个功能summarise_each

如果在mutate_eachor中只应用1个函数summarise_each,则现有列将被转换,名称将保持原样,除非你向mutate_each_/ 提供命名向量summarise_each_(参见选项a.4)

这里有些例子:

a.1只有1个函数 - >将保留现有名称

iris %>% mutate_each(funs(sum), -Species) %>% head()
#  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#1          876         459          564         180  setosa
#2          876         459          564         180  setosa
#3          876         459          564         180  setosa
#4          876         459          564         180  setosa
#5          876         459          564         180  setosa
#6          876         459          564         180  setosa

a.2如果指定新的列名扩展名,也是如此:

iris %>% mutate_each(funs(mysum = sum(.)), -Species) %>% head()
#  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#1          876         459          564         180  setosa
#2          876         459          564         180  setosa
#3          876         459          564         180  setosa
#4          876         459          564         180  setosa
#5          876         459          564         180  setosa
#6          876         459          564         180  setosa

a.3每列手动指定一个新名称(但仅适用于少数列):

iris %>% mutate_each(funs(sum), SLsum = Sepal.Length,SWsum = Sepal.Width,  -Species) %>% head()
#  Sepal.Length Sepal.Width Petal.Length Petal.Width Species SLsum SWsum
#1          5.1         3.5          1.4         0.2  setosa   876   459
#2          4.9         3.0          1.4         0.2  setosa   876   459
#3          4.7         3.2          1.3         0.2  setosa   876   459
#4          4.6         3.1          1.5         0.2  setosa   876   459
#5          5.0         3.6          1.4         0.2  setosa   876   459
#6          5.4         3.9          1.7         0.4  setosa   876   459

a.4使用命名向量创建具有新名称的其他列:

案例1:保留原始列

与选项a.1,a.2和a.3相反,dplyr将保持现有列不变并在此方法中创建新列.新列的名称等于您事先创建的命名向量的名称(vars在本例中).

vars <- names(iris)[1:2]  # choose which columns should be mutated
vars <- setNames(vars, paste0(vars, "_sum")) # create new column names
iris %>% mutate_each_(funs(sum), vars) %>% head 
#  Sepal.Length Sepal.Width Petal.Length Petal.Width Species Sepal.Length_sum Sepal.Width_sum
#1          5.1         3.5          1.4         0.2  setosa            876.5           458.6
#2          4.9         3.0          1.4         0.2  setosa            876.5           458.6
#3          4.7         3.2          1.3         0.2  setosa            876.5           458.6
#4          4.6         3.1          1.5         0.2  setosa            876.5           458.6
#5          5.0         3.6          1.4         0.2  setosa            876.5           458.6
#6          5.4         3.9          1.7         0.4  setosa            876.5           458.6

案例2:删除原始列

如您所见,此方法保持现有列不变,并添加具有指定名称的新列.如果您不想保留原始列,只想保留新创建的列(以及其他列),则可以在select以后添加语句:

iris %>% mutate_each_(funs(sum), vars) %>% select(-one_of(vars)) %>% head
#  Petal.Length Petal.Width Species Sepal.Length_sum Sepal.Width_sum
#1          1.4         0.2  setosa            876.5           458.6
#2          1.4         0.2  setosa            876.5           458.6
#3          1.3         0.2  setosa            876.5           458.6
#4          1.5         0.2  setosa            876.5           458.6
#5          1.4         0.2  setosa            876.5           458.6
#6          1.7         0.4  setosa            876.5           458.6

b)在mutate_each/中应用了多于1个功能summarise_each

b.1让dplyr找出新的名字

如果你应用了多个函数,你可以让dplyr自己找出名字(它会保留现有的列):

iris %>% mutate_each(funs(sum, mean), -Species) %>% head()
#  Sepal.Length Sepal.Width Petal.Length Petal.Width Species Sepal.Length_sum Sepal.Width_sum Petal.Length_sum
#1          5.1         3.5          1.4         0.2  setosa              876             459              564
#2          4.9         3.0          1.4         0.2  setosa              876             459              564
#3          4.7         3.2          1.3         0.2  setosa              876             459              564
#4          4.6         3.1          1.5         0.2  setosa              876             459              564
#5          5.0         3.6          1.4         0.2  setosa              876             459              564
#6          5.4         3.9          1.7         0.4  setosa              876             459              564
#  Petal.Width_sum Sepal.Length_mean Sepal.Width_mean Petal.Length_mean Petal.Width_mean
#1             180              5.84             3.06              3.76              1.2
#2             180              5.84             3.06              3.76              1.2
#3             180              5.84             3.06              3.76              1.2
#4             180              5.84             3.06              3.76              1.2
#5             180              5.84             3.06              3.76              1.2
#6             180              5.84             3.06              3.76              1.2

b.2手动指定新列名

使用多个函数时,另一个选项是自己指定列名扩展名:

iris %>% mutate_each(funs(MySum = sum(.), MyMean = mean(.)), -Species) %>% head()
#  Sepal.Length Sepal.Width Petal.Length Petal.Width Species Sepal.Length_MySum Sepal.Width_MySum Petal.Length_MySum
#1          5.1         3.5          1.4         0.2  setosa                876               459                564
#2          4.9         3.0          1.4         0.2  setosa                876               459                564
#3          4.7         3.2          1.3         0.2  setosa                876               459                564
#4          4.6         3.1          1.5         0.2  setosa                876               459                564
#5          5.0         3.6          1.4         0.2  setosa                876               459                564
#6          5.4         3.9          1.7         0.4  setosa                876               459                564
#  Petal.Width_MySum Sepal.Length_MyMean Sepal.Width_MyMean Petal.Length_MyMean Petal.Width_MyMean
#1               180                5.84               3.06                3.76                1.2
#2               180                5.84               3.06                3.76                1.2
#3               180                5.84               3.06                3.76                1.2
#4               180                5.84               3.06                3.76                1.2
#5               180                5.84               3.06                3.76                1.2
#6               180                5.84               3.06                3.76                1.2

如何选择我想改变的某些列,就像我在第一种情况下选择select一样？

您可以通过引用要变异(或省略)的列来实现这一点,方法是在此处给出它们的名称(mutate Sepal.Length,但不是Species):

iris %>% mutate_each(funs(sum), Sepal.Length, -Species) %>% head()

此外,您可以使用特殊函数来选择要变异的列,所有以特定单词开头或包含某些单词的列等,例如:

iris %>% mutate_each(funs(sum), contains("Sepal"),  -Species) %>% head()

有关这些功能的更多信息,请参阅?mutate_each和?select.

评论后编辑1:

如果要使用标准评估,dplyr会提供大多数以附加"_"结尾的函数的SE版本.所以在这种情况下你会使用:

x <- c("Sepal.Width", "Sepal.Length") # vector of column names 
iris %>% mutate_each_(funs(sum), x) %>% head()

请注意mutate_each_我在这里使用的.

编辑2:使用选项a.4更新

Answer 2

mutate_each将被弃用,请考虑使用mutate_at.来自dplyr_0.5.0文档:

将来mutate_each()和summarise_each()将被弃用,以支持更多功能更强大的函数:mutate_all(),mutate_at(),mutate_if(),summarise_all(),summarise_at()和summarise_if().

将函数应用于所有变量,除了Species:

警告:不推荐使用'.cols'param,请参阅底部的注释!

iris %>% mutate_at(.cols=vars(-Species), .funs=funs(mysum = sum(.))) %>% head()

 Sepal.Length Sepal.Width Petal.Length Petal.Width Species Sepal.Length_mysum Sepal.Width_mysum
1          5.1         3.5          1.4         0.2  setosa              876.5             458.6
2          4.9         3.0          1.4         0.2  setosa              876.5             458.6
3          4.7         3.2          1.3         0.2  setosa              876.5             458.6
4          4.6         3.1          1.5         0.2  setosa              876.5             458.6
5          5.0         3.6          1.4         0.2  setosa              876.5             458.6
6          5.4         3.9          1.7         0.4  setosa              876.5             458.6
  Petal.Length_mysum Petal.Width_mysum
1              563.7             179.9
2              563.7             179.9
3              563.7             179.9
4              563.7             179.9
5              563.7             179.9
6              563.7             179.9

将函数应用于变量子集

vars_to_process=c("Petal.Length","Petal.Width")
iris %>% mutate_at(.cols=vars_to_process, .funs=funs(mysum = sum(.))) %>% head()

 Sepal.Length Sepal.Width Petal.Length Petal.Width Species Petal.Length_mysum Petal.Width_mysum
1          5.1         3.5          1.4         0.2  setosa              563.7             179.9
2          4.9         3.0          1.4         0.2  setosa              563.7             179.9
3          4.7         3.2          1.3         0.2  setosa              563.7             179.9
4          4.6         3.1          1.5         0.2  setosa              563.7             179.9
5          5.0         3.6          1.4         0.2  setosa              563.7             179.9
6          5.4         3.9          1.7         0.4  setosa              563.7             179.9

更新!适用于dplyr 0.7.1版本(2017-08-08)

如果您看到以下消息:

.cols 已重命名并已弃用,请使用 .vars

然后换.cols用.vars.

iris %>% mutate_at(.vars=vars(-Species), .funs=funs(mysum = sum(.))) %>% head()

另一个例子:

iris %>% mutate_at(.vars=vars(Sepal.Width), .funs=funs(mysum = sum(.))) %>% head()

相当于:

iris %>% mutate_at(.vars=vars("Sepal.Width"), .funs=funs(mysum = sum(.))) %>% head()

此外,在此版本中,mutate_each不推荐使用:

mutate_each()已弃用.使用mutate_all(),mutate_at()或mutate_if()改为.要映射funs选择的变量,请使用mutate_at()