对具有相似名称的多组列使用相同的 mutate

Question

想象一下以下数据：

data <- tribble(
  ~a1, ~a2, ~b1, ~b2, ~c1, ~c2,
  32, 32, 50, 12, 12, 50,
  48, 20, 55, 43, 10, 42
)

对于 i = {1, 2} 我想计算deltai = (ai - ci) / ((ai + bi) * ci + ai)。

（我明确使用随机数和随机函数；通过识别和利用某些模式无法找到解决方案。）

最简单的方法是

data <- data %>%
  mutate(
    delta1 = (a1 - c1) / ((a1 + b1) * c1 + a1),
    delta2 = (a2 - c2) / ((a2 + b2) * c2 + a2)
  )

但它引入了很多重复。

我可以

delta <- function(a, b, c) {
  return((a - c) / ((a + b) * c + a))
}

data <- data %>%
  mutate(
    delta1 = delta(a1, b1, c1),
    delta2 = delta(a2, b2, c2)
  )

这使得delta()以后可以轻松地更改功能，但这看起来仍然有很多重复。

我的问题：有没有一种方法可以通过一行 mutate来计算delta1和？delta2

您可能认为重复次数没问题，但我可能需要计算其他几个术语，例如gammai或alphai。重复行感觉不是一个好的解决方案。

我想我可以通过这样做来解决问题

for (i in c(1, 2)) {
  data <- data %>%
    mutate("delta{i}" := delta(paste0('a', i), paste0('b', i), paste0('c', i)))
}

但我得到了

Error in `mutate()`:
! Problem while computing `delta1 = delta(paste0("a", i), paste0("b", i), paste0("c", i))`.
Caused by error in `a - c`:
! non-numeric argument to binary operator
Run `rlang::last_error()` to see where the error occurred.

循环变异感觉有点不对劲。

我在Mutate multiple / Continuous columns (with dplyr or base R)中看到了解决方案，如何使用 dplyr 改变多个变量？或者使用 dplyr 改变数据框中的多个列，但解决方案的可读性比复制和粘贴行并接受重复项要差得多。

理想情况下，我希望找到一种巧妙的用法across，让我能够编写类似mutate("delta{i}" := delta(a{i}, b{i}, c{i})).

Answer 1

带胶水

\n

您可以利用glue函数。这可能是最好、最灵活的方式：

\n

library(glue)\ncols         <- c("1", "2")\nexprs        <- glue("(a{cols} - c{cols}) / ((a{cols} + b{cols}) * c{cols} + a{cols})")\nnames(exprs) <- glue("delta{cols}")\n\ndata |> \n  mutate(!!!rlang::parse_exprs(exprs))\n\n# A tibble: 2 \xc3\x97 8\n     a1    a2    b1    b2    c1    c2 delta1   delta2\n  <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>  <dbl>    <dbl>\n1    32    32    50    12    12    50 0.0197 -0.00806\n2    48    20    55    43    10    42 0.0353 -0.00825\n

\n

与跨

\n

如果你想用across，你可以像这样使用一堆：

\n

library(dplyr)\ndata %>% \n  mutate((across(starts_with("a"), .names = "delta{sub(\'a\', \'\', .col)}") -\n            across(starts_with("c"))) / \n           ((across(starts_with("a")) + across(starts_with("b"))) * \n              across(starts_with("c")) + across(starts_with("a"))))\n\n# A tibble: 2 \xc3\x97 8\n     a1    a2    b1    b2    c1    c2 delta1   delta2\n  <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>  <dbl>    <dbl>\n1    32    32    50    12    12    50 0.0197 -0.00806\n2    48    20    55    43    10    42 0.0353 -0.00825\n

\n

通过旋转

\n

但是，您也许应该选择先转向长轴再转向宽轴：

\n

library(dplyr)\nlibrary(tidyr)\ndata %>% \n  mutate(rown = row_number()) %>% \n  pivot_longer(-rown,\n               names_to = c(".value", "number"), \n               names_pattern = "([a-z])(\\\\d)") %>% \n  group_by(rown) %>% \n  mutate(delta = (a - c) / ((a + b) * c + a)) %>% \n  pivot_wider(names_from = number, \n              values_from = a:delta, \n              names_sep = "")\n\n# A tibble: 2 \xc3\x97 9\n# Groups:   rown [2]\n   rown    a1    a2    b1    b2    c1    c2 delta1   delta2\n  <int> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>  <dbl>    <dbl>\n1     1    32    32    50    12    12    50 0.0197 -0.00806\n2     2    48    20    55    43    10    42 0.0353 -0.00825\n

\n