dplyr中的mutate_eacht/summarise_each：如何选择某些列并为变异列命名？
我对dplyr动词mutate_each有点困惑。
使用基本的mutate将一列数据转换为z-scores，并在data.frame中创建一个新列（这里的名称为z_score_data)非常简单：
newDF <- DF %>%
select(one_column) %>%
mutate(z_score_data = one_column - (mean(one_column) / sd(one_column))
但是，由于我有许多数据列需要转换，所以我可能应该使用mutate_eacht谓词。
newDF <- DF %>%
mutate_each(funs(scale))
-
null
谢谢你的帮助。
共有1个答案
在dplyr开发版本0.4.3.9000（在撰写本文时）中，mutate_each和summarise_each中的命名已经简化，如新闻中所述：
对summarise_each()和mutate_each()的命名行为进行了调整，以便可以强制包含函数和变量名:summarise_each(mtcars,funs（mean=mean）,everything())
如果您想在mutate_each/summarise_each中只应用一个函数，并且想给这些列指定新的名称，这一点非常重要。
为了显示不同之处，下面是使用新命名功能的dplyr 0.4.3.9000的输出，与下面的选项A.2形成对比：
library(dplyr) # >= 0.4.3.9000
iris %>% mutate_each(funs(mysum = sum(.)), -Species) %>% head()
# Sepal.Length Sepal.Width Petal.Length Petal.Width Species Sepal.Length_mysum Sepal.Width_mysum
#1 5.1 3.5 1.4 0.2 setosa 876.5 458.6
#2 4.9 3.0 1.4 0.2 setosa 876.5 458.6
#3 4.7 3.2 1.3 0.2 setosa 876.5 458.6
#4 4.6 3.1 1.5 0.2 setosa 876.5 458.6
#5 5.0 3.6 1.4 0.2 setosa 876.5 458.6
#6 5.4 3.9 1.7 0.4 setosa 876.5 458.6
# Petal.Length_mysum Petal.Width_mysum
#1 563.7 179.9
#2 563.7 179.9
#3 563.7 179.9
#4 563.7 179.9
#5 563.7 179.9
#6 563.7 179.9
如果您不提供新的名称，并且只提供1个函数，那么dplyr将更改现有的列（就像它在以前的版本中所做的那样）：
iris %>% mutate_each(funs(sum), -Species) %>% head()
# Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#1 876.5 458.6 563.7 179.9 setosa
#2 876.5 458.6 563.7 179.9 setosa
#3 876.5 458.6 563.7 179.9 setosa
#4 876.5 458.6 563.7 179.9 setosa
#5 876.5 458.6 563.7 179.9 setosa
#6 876.5 458.6 563.7 179.9 setosa
我假设这个新功能将在下一个版本0.4.4中通过CRAN提供。
iris %>% mutate_each(funs(sum), -Species) %>% head()
# Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#1 876 459 564 180 setosa
#2 876 459 564 180 setosa
#3 876 459 564 180 setosa
#4 876 459 564 180 setosa
#5 876 459 564 180 setosa
#6 876 459 564 180 setosa
iris %>% mutate_each(funs(mysum = sum(.)), -Species) %>% head()
# Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#1 876 459 564 180 setosa
#2 876 459 564 180 setosa
#3 876 459 564 180 setosa
#4 876 459 564 180 setosa
#5 876 459 564 180 setosa
#6 876 459 564 180 setosa
iris %>% mutate_each(funs(sum), SLsum = Sepal.Length,SWsum = Sepal.Width, -Species) %>% head()
# Sepal.Length Sepal.Width Petal.Length Petal.Width Species SLsum SWsum
#1 5.1 3.5 1.4 0.2 setosa 876 459
#2 4.9 3.0 1.4 0.2 setosa 876 459
#3 4.7 3.2 1.3 0.2 setosa 876 459
#4 4.6 3.1 1.5 0.2 setosa 876 459
#5 5.0 3.6 1.4 0.2 setosa 876 459
#6 5.4 3.9 1.7 0.4 setosa 876 459
与选项A.1、A.2和A.3不同，dplyr将保持现有列不变，并在此方法中创建新列。新列的名称等于您预先创建的命名向量的名称（在本例中是vars)。
vars <- names(iris)[1:2] # choose which columns should be mutated
vars <- setNames(vars, paste0(vars, "_sum")) # create new column names
iris %>% mutate_each_(funs(sum), vars) %>% head
# Sepal.Length Sepal.Width Petal.Length Petal.Width Species Sepal.Length_sum Sepal.Width_sum
#1 5.1 3.5 1.4 0.2 setosa 876.5 458.6
#2 4.9 3.0 1.4 0.2 setosa 876.5 458.6
#3 4.7 3.2 1.3 0.2 setosa 876.5 458.6
#4 4.6 3.1 1.5 0.2 setosa 876.5 458.6
#5 5.0 3.6 1.4 0.2 setosa 876.5 458.6
#6 5.4 3.9 1.7 0.4 setosa 876.5 458.6
情况2：移除原有立柱
如您所见，此方法保持现有列不变，并添加具有指定名称的新列。如果您不想保留原始列，而只保留新创建的列（以及其他列），则可以在之后添加select语句：
iris %>% mutate_each_(funs(sum), vars) %>% select(-one_of(vars)) %>% head
# Petal.Length Petal.Width Species Sepal.Length_sum Sepal.Width_sum
#1 1.4 0.2 setosa 876.5 458.6
#2 1.4 0.2 setosa 876.5 458.6
#3 1.3 0.2 setosa 876.5 458.6
#4 1.5 0.2 setosa 876.5 458.6
#5 1.4 0.2 setosa 876.5 458.6
#6 1.7 0.4 setosa 876.5 458.6
iris %>% mutate_each(funs(sum, mean), -Species) %>% head()
# Sepal.Length Sepal.Width Petal.Length Petal.Width Species Sepal.Length_sum Sepal.Width_sum Petal.Length_sum
#1 5.1 3.5 1.4 0.2 setosa 876 459 564
#2 4.9 3.0 1.4 0.2 setosa 876 459 564
#3 4.7 3.2 1.3 0.2 setosa 876 459 564
#4 4.6 3.1 1.5 0.2 setosa 876 459 564
#5 5.0 3.6 1.4 0.2 setosa 876 459 564
#6 5.4 3.9 1.7 0.4 setosa 876 459 564
# Petal.Width_sum Sepal.Length_mean Sepal.Width_mean Petal.Length_mean Petal.Width_mean
#1 180 5.84 3.06 3.76 1.2
#2 180 5.84 3.06 3.76 1.2
#3 180 5.84 3.06 3.76 1.2
#4 180 5.84 3.06 3.76 1.2
#5 180 5.84 3.06 3.76 1.2
#6 180 5.84 3.06 3.76 1.2
iris %>% mutate_each(funs(MySum = sum(.), MyMean = mean(.)), -Species) %>% head()
# Sepal.Length Sepal.Width Petal.Length Petal.Width Species Sepal.Length_MySum Sepal.Width_MySum Petal.Length_MySum
#1 5.1 3.5 1.4 0.2 setosa 876 459 564
#2 4.9 3.0 1.4 0.2 setosa 876 459 564
#3 4.7 3.2 1.3 0.2 setosa 876 459 564
#4 4.6 3.1 1.5 0.2 setosa 876 459 564
#5 5.0 3.6 1.4 0.2 setosa 876 459 564
#6 5.4 3.9 1.7 0.4 setosa 876 459 564
# Petal.Width_MySum Sepal.Length_MyMean Sepal.Width_MyMean Petal.Length_MyMean Petal.Width_MyMean
#1 180 5.84 3.06 3.76 1.2
#2 180 5.84 3.06 3.76 1.2
#3 180 5.84 3.06 3.76 1.2
#4 180 5.84 3.06 3.76 1.2
#5 180 5.84 3.06 3.76 1.2
#6 180 5.84 3.06 3.76 1.2
您可以引用要突变（或省略）的列，给出它们的名称，如下面所示（突变sepal.length,但不是物种）：
iris %>% mutate_each(funs(sum), Sepal.Length, -Species) %>% head()
此外，您还可以使用特殊函数来选择要变异的列、以某个单词开头或包含某个单词的所有列等，例如：
iris %>% mutate_each(funs(sum), contains("Sepal"), -Species) %>% head()
有关这些函数的更多信息，请参见？mutate_each和？select。
x <- c("Sepal.Width", "Sepal.Length") # vector of column names
iris %>% mutate_each_(funs(sum), x) %>% head()
-
这是我的密码： 它返回表中所有列的数组。但我不需要把所有的专栏都写下来。我只需要返回以下列：。我对此进行了搜索并找到了答案：（使用函数） 但它并没有返回预期的结果。它返回以下内容： 如您所见，没有和列。我怎样才能修好它？
-
我想使用dplyr::mutate计算一些列的平均值。 我想包含来计算平均值的列只有BL1到BL9，所以我这样做了。 这行不通。我注意到如果我一个接一个的列，它会工作 我怀疑这是因为我给出的是字符串而不是“列”。 有人能解释这种行为吗？对此最好的解决办法是什么？
-
我想要的是：热切地加载一个关系并指定列（而不是加载关系中的列）。我肯定这是可能的，但我就是不明白... 希望得到你的帮助。
-
我有以下小消息： 我尝试了这个错误：
-
我需要根据两个现有列的值添加一个新列。 我的数据集看起来像这样: 新列V3应遵循以下条件: ''' ''' 但是，当我尝试创建列时，我收到以下错误：“”评估错误：比较（1）仅适用于原子类型和列表类型。 理想情况下，结果应该是这样的： 非常感谢！
-
我正在尝试使用创建一个新列，该列的值基于特定的列。 最后一个数据帧示例（我正在尝试创建): 这个问题基本上与此相反：dplyr-mutate：使用动态变量名。我不能使解决方案适应我的问题。