在dplyr中转换多个列

Question

我有一个问题:如何transmute在不用手写每列的情况下使用每列？即,有类似的东西transmute_each()吗？

我想要执行以下操作:使用dplyr我想获得MWE的每列的z分数:

tickers <- c(rep(1,10),rep(2,10))
df <- data.frame(cbind(tickers,rep(1:20),rep(2:21),rep(2:21),rep(4:23),rep(3:22)))
colnames(df) <- c("tickers","col1","col2","col3","col4","col5")
df %>%  group_by(tickers)

有没有一种简单的方法可以使用transmute来实现以下目的:

for(i in 2:ncol(df)){
  df[,i] <- df[,i] - mean(df[,i])/sd(df[,i])
}

非常感谢

Answer 1

现在有一个transmute_at()函数（从 dplyr 0.7 开始），您可以执行以下操作：

df %>% 
    group_by(tickers) %>% 
    transmute_at(.vars = vars(starts_with("col")),
                 .funs = funs(scale(.))) %>% 
    ungroup

请注意，这使用了scale()来自基数 R的函数，默认情况下，该函数将数字向量转换为 z 分数。

此外，使用vars()中的.vars参数允许使用所有的辅助功能可用于dplyr的select()，如one_of()，ends_with()等。

最后，不要在funs(scale(.))这里写，因为你在.funs参数中使用了一个简单的函数，你可以只写.funs = scale.

Answer 2

我使用以下方法解决了这个问题：

df %>%  
   group_by(tickers) %>%  
   mutate_at(.funs = funs((. - mean(.))/sd(.)),
             .cols = vars(matches("col")))