r - mutate_at 在某些情况下不会创建变量后缀？

Question

我一直在玩dplyr::mutate_at通过对某些列应用相同的函数来创建新变量。当我命名我的函数 在 .funs参数，mutate 调用创建带有后缀的新列而不是替换现有列，这是我在 this thread 中发现的一个很酷的选项.

df = data.frame(var1=1:2, var2=4:5, other=9)
df %>% mutate_at(vars(contains("var")), .funs=funs('sqrt'=sqrt))
####   var1 var2 other var1_sqrt var2_sqrt
#### 1    1    4     9  1.000000  2.000000
#### 2    2    5     9  1.414214  2.236068

但是，我注意到当 vars用于指向我的列的参数仅返回一列而不是几列，生成的新列删除了初始名称:它被命名为 sqrt而不是 other_sqrt这里:

df %>% mutate_at(vars(contains("other")), .funs=funs('sqrt'=sqrt))
####   var1 var2 other sqrt
#### 1    1    4     9    3
#### 2    2    5     9    3

我想了解为什么会发生这种行为，以及如何避免它，因为我事先不知道 contains() 有多少列。将返回。

编辑 :
新创建的列必须继承原始列的原始名称，并在末尾加上后缀“sqrt”。

谢谢

Answer 1

这是另一个想法。我们可以添加 setNames(sub("^sqrt$", "other_sqrt", names(.)))后 mutate_at称呼。想法是替换列名sqrt与 other_sqrt .图案^sqrt$应该只匹配派生列 sqrt如果只有一列名为 other ，这在示例 1 中进行了演示。如果有不止一列带有 other ，例如示例 2， setNames不会更改列名称。

library(dplyr)

# Example 1
df <- data.frame(var1 = 1:2, var2 = 4:5, other = 9)

df %>% 
  mutate_at(vars(contains("other")), funs("sqrt" = sqrt(.))) %>%
  setNames(sub("^sqrt$", "other_sqrt", names(.)))
#   var1 var2 other other_sqrt
# 1    1    4     9          3
# 2    2    5     9          3

# Example 2
df2 <- data.frame(var1 = 1:2, var2 = 4:5, other1 = 9, other2 = 16)

df2 %>% 
  mutate_at(vars(contains("other")), funs("sqrt" = sqrt(.))) %>%
  setNames(sub("^sqrt$", "other_sqrt", names(.)))
#   var1 var2 other1 other2 other1_sqrt other2_sqrt
# 1    1    4      9     16           3           4
# 2    2    5      9     16           3           4

或者我们可以设计一个函数来检查有多少列包含字符串 other在操作数据框之前。

mutate_sqrt <- function(df, string){
  string_col <- grep(string, names(df), value = TRUE)
  df2 <- df %>% mutate_at(vars(contains(string)), funs("sqrt" = sqrt(.)))
  if (length(string_col) == 1){
    df2 <- df2 %>%  setNames(sub("^sqrt$", paste(string_col, "sqrt", sep = "_"), names(.)))
  }
  return(df2)
}

mutate_sqrt(df, "other")
#   var1 var2 other other_sqrt
# 1    1    4     9          3
# 2    2    5     9          3

mutate_sqrt(df2, "other")
#   var1 var2 other1 other2 other1_sqrt other2_sqrt
# 1    1    4      9     16           3           4
# 2    2    5      9     16           3           4