r - 结合选择和变异

原文 标签 r dplyr

通常,我发现自己在dplyr中手动组合了select()和mutate()函数。这通常是因为我正在整理数据框,想基于旧列创建新列,而只想保留新列。

例如,如果我有关于高度和宽度的数据,但只想使用它们来计算和保留面积,那么我将使用:

library(dplyr)
df <- data.frame(height = 1:3, width = 10:12)

df %>% 
  mutate(area = height * width) %>% 
  select(area)


当在mutate步骤中创建许多变量时,很难确保它们都在select步骤中。有没有更优雅的方法来仅保留在mutate步骤中定义的变量?

我一直在使用的一种解决方法是:

df %>%
  mutate(id = row_number()) %>%
  group_by(id) %>%
  summarise(area = height * width) %>%
  ungroup() %>%
  select(-id)


这可行,但是非常冗长,并且使用summarise()意味着性能受到影响:

library(microbenchmark)

microbenchmark(

  df %>% 
    mutate(area = height * width) %>% 
    select(area),

  df %>%
    mutate(id = row_number()) %>%
    group_by(id) %>%
    summarise(area = height * width) %>%
    ungroup() %>%
    select(-id)
)


输出:

      min       lq     mean   median       uq      max neval cld
  868.822  954.053 1258.328 1147.050 1363.251 4369.544   100  a 
 1897.396 1958.754 2319.545 2247.022 2549.124 4025.050   100   b


我在想还有另一种解决方法,您可以将原始数据框名称与新数据框名称进行比较,并采用正确的补码,但是也许有更好的方法吗?

我觉得我在dplyr文档中确实缺少一些明显的东西,如果这很简单,我们深表歉意!

最佳答案

只需创建将两个步骤结合在一起的自己的函数:

mutate_only = function (.data, ...) {
    names = names(match.call(expand.dots = FALSE)$...)
    .data %>% mutate(...) %>% select(one_of(names))
}


这需要一些工作才能正常进行标准评估。不幸的是,目前dplyr API正在发展中,因此我不知道几周后对此的建议。因此,我将仅参考relevant documentation

相关文章:

r - 如何在ggplot中创建构面,除非使用不同的变量

r - ..level ..在ggplot :: stat_density2d中是什么意思

r - 最快读入R的文件格式是什么?

r - 通过dplyr中的相同组变量过滤两个数据帧

r - 由于NA的原因,无法对数据帧进行子集(过滤)

r - 行与sf之间的点距离

r - 使用RVest进行抓取-当标签不存在时完成NA

r - 允许用户修改数据的Shiny R应用程序

r - 将具有预定义值的列添加到数据框

r - dplyr中的bind_rows引发异常错误