跨多个列变异以创建新的变量集
我有一个国家和年份级别的面板数据集，我想根据现有的变量创建两个新变量。
我想做的是创建两个新变量集：（1）每年（跨国家）平均值的变量集和（2）国家/地区值相对于年平均值的变量集。例如，对于 var1（1） 将产生 mean_var1 和 （2） relmean_var1我希望这些变量用于所有其他变量。总的来说，数据集中有超过1000个变量，但我只将此函数应用于大约6个。
我有适用于第一部分的代码，但我想尽可能有效地将其与第二部分相结合。
library(dplyr)
library(purrr)
df<- df%>%
group_by(year) %>%
mutate_at(.funs = list(mean = ~mean(.)), .vars = c("var1", "var1", "var1", "var4"))
这段代码生成了名为var1_mean的新变量（我更喜欢mean_var1：如何更改这个名称？）
对于第二步，我尝试过:
df <- df %>%
html" target="_blank">map2_dfr(.x = d.test %>%
select(var1, var2),
.y = d.test %>%
select(var1_mean, var2_mean),
~ .x / .y) %>%
setNames(c("relmean_var1", "relmean_var2"))
我收到错误
" "选择错误(。，var1，var2):找不到对象“d.test”。"
.（我是从这个问题得到这个设置的）
我还尝试了：
map2(var1, var1_mean, ~ df[[.x]] / df[[.y]]) %>%
set_names(cols) %>%
bind_cols(df, .)
并得到了
“map2（var1， var1_mean， ~df[[.x]]/df[[.y]]） 中的错误： 找不到对象 'var1'
结合这两个目标的最佳方式是什么？理想情况下，（1）的命名模式为mean_var1，（2）的命名方案为relmean_val1
编辑：输入数据帧应如下所示：
data <- tibble::tribble(
~year, ~country, ~var1, ~var2, ~var3, ~var.4,
1910L, "GER", 1L, 4L, 10L, 6L,
1911L, "GER", 2L, 3L, 11L, 7L,
1910L, "FRA", 5L, 6L, 8L, 9L,
1911L, "FRA", 1L, 4L, 10L, 9L
)
输出数据帧应如下所示（对于所有变量，仅显示 var1 作为示例，但对于 var2 到 var4，格式应相同）：
datanew <- tibble::tribble(
~year, ~country, ~var1, ~var2, ~var3, ~var.4, ~mean_var1 , ~relmean_var1
1910L, "GER", 1L, 4L, 10L, 6L, 3L, .3333L,
1911L, "GER", 2L, 3L, 11L, 7L, 1.5L, 1.3333L,
1910L, "FRA", 5L, 6L, 8L, 9L, 3L, 1.6667L,
1911L, "FRA", 1L, 4L, 10L, 9L 1.5L, .6667L,
)
共有3个答案
这是@danlooo方法的扩展，因此国家级平均值和年份级平均值位于同一数据集中（如果需要的话）。显著的区别是在管道链中使用两个mutates，而不是两个summarys，然后连接。
考虑一下你是否真的想要它再次变宽。通常，保持较长的长度更容易（例如，删除对 tidyr 的最终调用：:p ivot_wider（））。
ds <- tibble::tribble(
~year, ~country, ~var1, ~var2, ~var3, ~var4,
1910L, "GER", 1L, 4L, 10L, 6L,
1911L, "GER", 2L, 3L, 11L, 7L,
1910L, "FRA", 5L, 6L, 8L, 9L,
1911L, "FRA", 1L, 4L, 10L, 9L
)
ds |>
dplyr::mutate(
year = as.character(year) # To help the pivot below
) |>
tidyr::pivot_longer(
cols = -c(year, country),
names_to = "key",
names_prefix = "^var"
) |>
dplyr::group_by(country, key) |>
dplyr::mutate(
m_c = mean(value), # Mean for the Country (and variable)
r_c = value / m_c, # Relative mean for the Country (and variable)
) |>
dplyr::ungroup() |>
dplyr::group_by(year, key) |>
dplyr::mutate(
m_y = mean(value), # Mean for the Year (and variable)
r_y = value / m_y, # Relative mean for the Year (and variable)
) |>
dplyr::ungroup() |>
dplyr::mutate(
year = as.integer(year) # Return it to a number
) |>
tidyr::pivot_wider(
id_cols = c(year, country),
names_from = key,
names_glue = "{.value}_{key}",
values_from = c(value, m_c, r_c, m_y, r_y)
)
Output (wide)我更喜欢较长的描述性变量名，如@danlooo，但我希望所有内容都适合SO屏幕:
year country value_1 value_2 value_3 value_4 m_c_1 m_c_2 m_c_3 m_c_4 r_c_1 r_c_2 r_c_3 r_c_4 m_y_1 m_y_2 m_y_3 m_y_4 r_y_1 r_y_2 r_y_3 r_y_4
<int> <chr> <int> <int> <int> <int> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 1910 GER 1 4 10 6 1.5 3.5 10.5 6.5 0.667 1.14 0.952 0.923 3 5 9 7.5 0.333 0.8 1.11 0.8
2 1911 GER 2 3 11 7 1.5 3.5 10.5 6.5 1.33 0.857 1.05 1.08 1.5 3.5 10.5 8 1.33 0.857 1.05 0.875
3 1910 FRA 5 6 8 9 3 5 9 9 1.67 1.2 0.889 1 3 5 9 7.5 1.67 1.2 0.889 1.2
4 1911 FRA 1 4 10 9 3 5 9 9 0.333 0.8 1.11 1 1.5 3.5 10.5 8 0.667 1.14 0.952 1.12
输出(long -没有最后的< code > tidyr::pivot _ wider())
# A tibble: 16 x 8
year country key value m_c r_c m_y r_y
<int> <chr> <chr> <int> <dbl> <dbl> <dbl> <dbl>
1 1910 GER 1 1 1.5 0.667 3 0.333
2 1910 GER 2 4 3.5 1.14 5 0.8
3 1910 GER 3 10 10.5 0.952 9 1.11
...
15 1911 FRA 3 10 9 1.11 10.5 0.952
16 1911 FRA 4 9 9 1 8 1.12
library(tidyverse)
data <- tibble::tribble(
~year, ~country, ~var1, ~var2, ~var3, ~var.4,
1910L, "GER", 1L, 2L, 10L, 6L,
1911L, "GER", 2L, 3L, 11L, 7L,
1910L, "FRA", 5L, 6L, 8L, 9L,
1911L, "FRA", 1L, 3L, 10L, 9L
)
data_long <-
data %>%
pivot_longer(-c(year, country))
data_long
#> # A tibble: 16 x 4
#> year country name value
#> <int> <chr> <chr> <int>
#> 1 1910 GER var1 1
#> 2 1910 GER var2 2
#> 3 1910 GER var3 10
#> 4 1910 GER var.4 6
#> 5 1911 GER var1 2
#> 6 1911 GER var2 3
#> 7 1911 GER var3 11
#> 8 1911 GER var.4 7
#> 9 1910 FRA var1 5
#> 10 1910 FRA var2 6
#> 11 1910 FRA var3 8
#> 12 1910 FRA var.4 9
#> 13 1911 FRA var1 1
#> 14 1911 FRA var2 3
#> 15 1911 FRA var3 10
#> 16 1911 FRA var.4 9
means_country <-
data_long %>%
group_by(country) %>%
summarise(mean_country_value = mean(value))
means_years <-
data_long %>%
group_by(year) %>%
summarise(mean_year_value = mean(value))
data %>%
left_join(means_country) %>%
left_join(means_years)
#> Joining, by = "country"
#> Joining, by = "year"
#> # A tibble: 4 x 8
#> year country var1 var2 var3 var.4 mean_country_value mean_year_value
#> <int> <chr> <int> <int> <int> <int> <dbl> <dbl>
#> 1 1910 GER 1 2 10 6 5.25 5.88
#> 2 1911 GER 2 3 11 7 5.25 5.75
#> 3 1910 FRA 5 6 8 9 6.38 5.88
#> 4 1911 FRA 1 3 10 9 6.38 5.75
创建于 2021-11-24 由 reprex 软件包 （v2.0.1）
这在长格式中可能更容易，但是这里有一个选项，您可以使用宽数据。
使用最新版本的dplyr，您可以跨修改并包含. name参数来定义您希望新列的外观。
library(tidyverse)
my_col <- c("var1", "var2", "var3", "var4")
df %>%
group_by(year) %>%
mutate(across(my_col, mean, .names = "mean_{col}")) %>%
mutate(across(my_col, .names = "relmean_{col}") / across(paste0("mean_", my_col)))
输出
year country var1 var2 var3 var4 mean_var1 mean_var2 mean_var3 mean_var4 relmean_var1 relmean_var2 relmean_var3 relmean_var4
<int> <chr> <int> <int> <int> <int> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 1910 GER 1 4 10 6 3 5 9 7.5 0.333 0.8 1.11 0.8
2 1911 GER 2 3 11 7 1.5 3.5 10.5 8 1.33 0.857 1.05 0.875
3 1910 FRA 5 6 8 9 3 5 9 7.5 1.67 1.2 0.889 1.2
4 1911 FRA 1 4 10 9 1.5 3.5 10.5 8 0.667 1.14 0.952 1.12
-
问题内容： 我想用Python（不是数组）中的一个创建10个变量。像这样： 我想创建的变量名，在这种情况下： ，，，…， 我不想一个数组 我有一个坐标图（640 x 480）。我正在确定像素颜色为白色的坐标。地面上有3个球，我想获取每个球的中心坐标，因此，如果要评估的坐标距离最后一个球很近，则x和y坐标将被平均（如果该坐标属于a）新球的坐标将属于新坐标组。 问题答案： 您不应该这样做，但是如果您真
-
下面是我的可复制代码： 另外，我知道.dots可以接收矢量中的名称（我想），但我不太理解如何在mutate()中与case_when一起使用。 也欢迎使用recoded值创建新列的其他方法 更新：我的预期输出将是包含26个新列的原始数据帧，p1_cod:p26_cod，可能包含值1（如果正确）和0（如果不正确）。 类似这样的内容（我刚刚创建了4个列，其中有1和0作为示例）。
-
我通常必须对一系列变量/列执行等价的计算，这些变量/列可以通过它们的后缀来标识(范围，假设从_a到_i)，并将结果保存在新的变量/列中。计算是等效的，但计算中使用的变量不同。这些也可以通过相同的后缀(_a to _i)来识别。所以，我基本上想要达到的是: 这是我得到的最远的： 因此，我能够在oldvar1_a上“循环”到oldvar1_I，从中减去z，并将结果保存在名为oldvar1_a_new的
-
我试图计算许多列的行平均值。有人能解释一下为什么下面的代码只计算代码中两个变量（var_1和var_13）的平均值，而不是所有13列的平均值吗？
-
我有一个带有分组变量的数据帧，我想按组对它们求和。使用很容易。 但是现在我想要一个新的列，按组计算n1和n2的总和。这样地： 我如何使用dplyr？ 编辑：实际上，这只是一个例子，我有很多变量。 我试过这两个代码，但它不在正确的维度上......