逐行操作、选择助手和 dplyr 中的 mutate 函数

Question

我将使用以下数据集来说明我的问题:

my_df <- data.frame(
    a = 1:10,
    b = 10:1
)
colnames(my_df) <- c("a", "b")

第 1 部分

我使用 mutate() 函数在数据集中创建两个新变量，我想计算同一 mutate()< 内两个新列的行均值 调用。但是，我真的希望能够使用 select() 帮助器，例如 starts_with()、ends_with() 或 包含()。

我的第一次尝试:

 my_df %>%
    mutate(
        a_2 = a^2,
        b_2 = b^2,
        mean = rowMeans(select(ends_with("2")))
    )
Error in mutate_impl(.data, dots) : 
  Evaluation error: No tidyselect variables were registered.

我明白为什么会出现错误 - select() 函数没有给出任何 .data 参数。所以我更改了代码...

...我第二次尝试在 select() 函数中添加“.”:

my_df %>%
    mutate(
        a_2 = a^2,
        b_2 = b^2,
        mean = rowMeans(select(., ends_with("2")))
    )
    a  b a_2 b_2 mean
1   1 10   1 100  NaN
2   2  9   4  81  NaN
3   3  8   9  64  NaN
4   4  7  16  49  NaN
5   5  6  25  36  NaN
6   6  5  36  25  NaN
7   7  4  49  16  NaN
8   8  3  64   9  NaN
9   9  2  81   4  NaN
10 10  1 100   1  NaN

第二次尝试后的新问题是 mean 列不包含预期的 a_2 和 b_2 平均值，而是包含仅限 NaN。研究了一下代码后，我明白了第二个问题。 select() 函数中添加的“.”引用的是原始 my_df 数据框，该数据框没有 a_2 和 b_2 列。因此，产生 NaN 是有道理的，因为我要求 R 计算不存在值的均值。

然后我尝试使用 dplyr 函数，例如 current_vars() 来看看它是否会产生影响:

 my_df %>%
    mutate(
        a_2 = a^2,
        b_2 = b^2,
        mean = rowMeans(select(current_vars(), ends_with("2")))
    )
Error in mutate_impl(.data, dots) : 
  Evaluation error: Variable context not set.

但是，这显然不是这个函数的使用方式。解决方案是简单地添加第二个 mutate() 函数:

 my_df %>%
    mutate(
        a_2 = a^2,
        b_2 = b^2
    ) %>%
    mutate(mean = rowMeans(select(., ends_with("2"))))
    a  b a_2 b_2 mean
1   1 10   1 100 50.5
2   2  9   4  81 42.5
3   3  8   9  64 36.5
4   4  7  16  49 32.5
5   5  6  25  36 30.5
6   6  5  36  25 30.5
7   7  4  49  16 32.5
8   8  3  64   9 36.5
9   9  2  81   4 42.5
10 10  1 100   1 50.5

问题 1:有没有办法在同一个 mutate() 调用中执行此任务？无论如何，使用第二个 mutate() 函数并不是真正的问题；但是，我很想知道是否存在一种方法来引用当前存在的变量。 mutate() 函数允许在同一 mutate() 调用中创建变量后立即使用它们；但是，当函数如上面的示例所示嵌套时，这就会出现问题。

第 2 部分

我还意识到使用 rowMeans() 在我的解决方案中有效；然而，它并不是真正的 dplyr 做事方式，特别是因为我需要在其中使用 select() 。因此，我决定改用 rowwise() 和 mean() 函数。但再一次，我想使用 select() 帮助器之一来实现此目的，而不必列出 c() 函数中的所有变量。我尝试过:

 my_df %>%
    mutate(
        a_2 = a^2,
        b_2 = b^2
    ) %>%
    rowwise() %>%
    mutate(
        mean = mean(ends_with("2"))
    )
Error in mutate_impl(.data, dots) : 
  Evaluation error: No tidyselect variables were registered.

我怀疑代码中的错误是由于 ends_with() 不在 select() 内部，但我显示此错误是为了询问是否存在是一种列出我想要的变量而无需单独指定它们的方法。

感谢您的宝贵时间。

Answer 1

有点晚了，但这里是问题1的解决方案，供引用。

如果你必须在没有管道的情况下完成它，你会写:

tmp1 = mutate(my_df, a_2 = a^2, b_2 = b^2)
tmp2 = select(tmp1, ends_with("2"))
tmp3 = rowMeans(tmp2)
tmp4 = mutate(tmp1, m=tmp3)

或者，减少中间步骤:

tmp1 = mutate(my_df, a_2 = a^2, b_2 = b^2)
tmp4 = mutate(tmp1, m=rowMeans(select(tmp1, ends_with("2"))) )

请注意，计算 tmp4 需要使用 tmp1 两次。因此，在管道版本中，您还需要第二次显式引用 . (像往常一样，第一个引用是隐式的，作为 mutate 的第一个参数):

my_df %>%
  mutate(a_2 = a^2, b_2 = b^2) %>%
  mutate(mean = rowMeans(select(., ends_with("2"))) )

对于问题 #2:避免调用 rowMeans 比较棘手，而且可能并不理想(？)