使用可变列进行dplyr变异
我正在尝试使用mutate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new_col):
x = tibble(colA = c(11, 12, 13),
colB = c(91, 92, 93),
col_to_use = c("colA", "colA", "colB"),
new_col = c(11, 12, 93))
x %>% mutate(new_col = col_to_use)
col_name = "colA"
x %>% mutate(new_col = !!as.name(col_name))
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。
共有1个答案
我们可以使用purrr包中的imap_dbl和pluck来完成此任务。
library(tidyverse)
x <- tibble(colA = c(11, 12, 13),
colB = c(91, 92, 93),
col_to_use = c("colA", "colA", "colB"))
x2 <- x %>%
mutate(new_col = imap_dbl(col_to_use, ~pluck(x, .x, .y)))
x2
# # A tibble: 3 x 4
# colA colB col_to_use new_col
# <dbl> <dbl> <chr> <dbl>
# 1 11. 91. colA 11.
# 2 12. 92. colA 12.
# 3 13. 93. colB 93.
-
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？
-
我已经更新了dplyr(现在是0.7.1)，我的很多旧代码都不能用了，因为mutate_each已经被弃用了。我曾经用mutate_each做类似这样的事情(代码如下),使用列索引。我会在数百个专栏中这样做。而我就是搞不清楚如何用mutate_at正确使用vars参数。我看到的所有例子都使用了列名...我不想这么做。我确信这是一个简单的答案，但是我已经花了太多的时间试图弄明白它，并且将非常感谢一些
-
我有一个带有两个得分列的data.frame。我希望在每行的基础上有条件地使用其中一个的数据。我用下面的一个例子来解释... 在这种情况下，Final最终将与test_low相同，因为对于两个Mains（即，当单元格为'high'时，单元格为'low时），test_low列小于test_high列。
-
在一个有四列的大数据框（“myfile”）中，我必须添加第五列，其中的值有条件地基于前四列。 更喜欢使用和的答案，主要是因为它在大型数据集中的速度。 我的数据框如下所示： 第五列（V5）的值基于一些条件规则： 现在我想使用函数在所有行上使用这些规则（以避免慢循环）。类似这样的事情（是的，我知道这样不行！）： 结果应该是： 如何在dplyr中执行此操作？
-
我试图计算在一个Tibble中源向量和比较向量之间的Jaccard相似度。 jaccard_sim中的所有值都为零。但是，如果我们运行类似这样的东西，我们得到第一个条目的正确的Jaccard相似度为0.2：
-
我有一个名称重复的数据集。如果名称重复，我想创建一个值为1（TRUE）或0（FALSE）的新列。 这是我使用的代码: 或者 然而，我得到了上面可以看到的错误。 另一个想法是使用group_by，然后计算计数。喜欢： 但是，它不能返回原始数据帧后group_by