矩阵函数嵌入dplyr mutate

Question

我有一个很大的dataframealldata，我正在尝试对其进行一些计算，这些计算以前是在旧版本上进行的，并且是用base R编写的。我的目标是使用DPLYR创建新的列，并使用这些计算的输出。此代码的前一个版本使用了几十个中间数据流，并使用函数将这些计算写到单独的文件中。

我很好奇是否有可能在编写时保留这些函数，但将它们嵌入到dplyr中，以引用alldata中的列，而不是原始版本中的这些临时矩阵。

下面是我正在处理的代码的一个示例部分。正如您在注释中所看到的，我已经将旧的R代码转换为dplyr，用于简单的加权均值函数。

d_weighted = alldata %>% 
    # equivalent to by = list(regspp = data$regspp[inds]) from old code
    group_by(regspp, year) %>% 
    # equivalent to wgtmean = function(x, na.rm=FALSE) wtd.mean(x=x[,1], weights=x[,2], na.rm=na.rm) from old code
    mutate(lat_wgtmean = wtd.mean(x=lat, weights=wtcpue, na.rm=FALSE))

但是，由于函数变得比wgtmean更复杂，所以我只想按原样包含函数。

旧代码的下一个函数计算一个矩阵的加权标准差，其中第一列由值组成，第二列由权重组成：

wgtsd = function(mat, ...){
    x = mat[,1][mat[,2]>0]    # trim to values with weight > 0
    w = mat[,2][mat[,2]>0]
    sqrt(wtd.var(x=x, weights=w, ...))
}

是否可以将此函数嵌入到dplyr::mutate中，使用value=lat（纬度）和weight=wtcpue（单位努力捕获，转换为权重），以便在alldata中创建一个包含加权标准差的新列？

我认识到我可以重写这些函数，但我不想重写后面文本中比较复杂的函数（参见下面的示例），我很好奇是否有一个优雅的解决方案来将带有矩阵参数的函数与DPLYR集成在一起。

wgtskew = function(mat, na.rm=FALSE){ 
    x = mat[,1][mat[,2]>0]    # trim to values with weight > 0
    w = mat[,2][mat[,2]>0]
    if(na.rm){
        s = !is.na(x+w)
        x = x[s]
        w = w[s]
    }
    n = length(x)
    w = n * w / sum(w)     # normalize
    if(n>2){
        c3 = n / ((n - 1) * (n - 2))
        sdv = wgtsd(cbind(x, w), normwt = TRUE, na.rm = na.rm)
        xbar = wtd.mean(x, w, na.rm = na.rm)
        sk = c3 * sum(w ^ (3 / 2) * ((x - xbar) / sdv) ^ 3)
        return(sk)
    } else {
        return(NA)
    }
}

Answer 1

包matrixstats和weightedd.desc.stat包含您可能需要的许多函数。

然后，您可以使用文本编辑器查找并替换，或者，例如：

wgtsd <- function(...) matrixStats::weightedSd(...)

并像以前一样运行脚本。