我正在按照
dplyr mutate using variable columns
&
dplyr - mutate: use dynamic variable names
在 mutate 中使用动态名称。我想要做的是按受最小标准偏差影响的组对列数据进行标准化。每列都有不同的最小标准偏差
例如(为方便起见,我省略了循环和映射语句)
require(dplyr)
require(magrittr)
data(iris)
iris <- tbl_df(iris)
minsd <- c('Sepal.Length' = 0.8)
varname <- 'Sepal.Length'
iris %>% group_by(Species) %>% mutate(!!varname := mean(pluck(iris,varname),na.rm=T)/max(sd(pluck(iris,varname)),minsd[varname]))
我让动态分配和变量选择按照引用答案的建议工作。但是 group_by() 不受尊重,至少对我来说,这是在这里使用 dplyr 的主要好处
所需的答案由
iris %>% group_by(Species) %>% mutate(!!varname := mean(Sepal.Length,na.rm=T)/max(sd(Sepal.Length),minsd[varname]))
有没有解决的办法?
最佳答案
我其实不太了解pluck
,所以我不知道出了什么问题,但我会这样做,这有效:
iris %>% group_by(Species) %>%
mutate(
!! varname :=
mean(!!as.name(varname), na.rm = T) /
max(sd(!!as.name(varname)),
minsd[varname])
)
如果这不是您要找的,请告诉我。
关于r - dplyr 使用动态变量名称进行变异,同时尊重 group_by,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49913192/