r - 如何使用 mutate() 在所有其他列的函数中创建新列而不命名它们

Question

我有一个 tibble(我已经在使用 tidyverse)，但由于它很大，让我们使用稍微修改过的 iris 数据集:

iris %>%
  as_tibble() %>%
  select(-5) 

我想创建另一列，它是这些列的平方和的平方根(您可能会注意到，这些列都是dbl)。但是，此方法应该适用于任意数量的列和任意名称，不仅因为原始数据集具有更多列，而且因为它更优雅。

此代码有效，但特定于具有以下名称的列:

iris %>%
  as_tibble() %>%
  select(-5) %>%
  mutate(linear = sqrt(Sepal.Length^2+Sepal.Width^2+Petal.Length^2+Petal.Width^2)) %>%
  arrange(linear)

这给出了预期的输出:

> iris %>%
+   as_tibble() %>%
+   select(-5) %>%
+   mutate(linear = sqrt(Sepal.Length^2+Sepal.Width^2+Petal.Length^2+Petal.Width^2)) %>%
+   arrange(linear)
# A tibble: 150 x 5
   Sepal.Length Sepal.Width Petal.Length Petal.Width linear
          <dbl>       <dbl>        <dbl>       <dbl>  <dbl>
 1          4.5         2.3          1.3         0.3   5.23
 2          4.3         3            1.1         0.1   5.36
 3          4.4         2.9          1.4         0.2   5.46
 4          4.4         3            1.3         0.2   5.49
 5          4.4         3.2          1.3         0.2   5.60
 6          4.6         3.1          1.5         0.2   5.75
 7          4.6         3.2          1.4         0.2   5.78
 8          4.8         3            1.4         0.1   5.83
 9          4.7         3.2          1.3         0.2   5.84
10          4.8         3            1.4         0.3   5.84
# … with 140 more rows

Answer 1

这对你有用吗？

iris %>%
+   as_tibble() %>%
+   select(-5) %>% mutate(linear = sqrt(rowSums(iris[-5]**2))) %>% arrange(linear)
# A tibble: 150 x 5
   Sepal.Length Sepal.Width Petal.Length Petal.Width linear
          <dbl>       <dbl>        <dbl>       <dbl>  <dbl>
 1          4.5         2.3          1.3         0.3   5.23
 2          4.3         3            1.1         0.1   5.36
 3          4.4         2.9          1.4         0.2   5.46
 4          4.4         3            1.3         0.2   5.49
 5          4.4         3.2          1.3         0.2   5.60
 6          4.6         3.1          1.5         0.2   5.75
 7          4.6         3.2          1.4         0.2   5.78
 8          4.8         3            1.4         0.1   5.83
 9          4.7         3.2          1.3         0.2   5.84
10          4.8         3            1.4         0.3   5.84
# ... with 140 more rows