transmute_at多个参数使用case_when（grepl（））指定列号

Question

我一直在寻找解决这个问题的办法，但运气不佳。我有一个鱼类的数据框架，我需要对27列数据应用dplyr窗口函数(< code > transduce _ at )。数据帧子集:

df <- data.frame(
  Otherspp = c("suck SD", "BT", "SD RS", "RSS"),
  Dominantspp = c("OM", "OM", "RS", "CH"),
  Commonspp = c(" ", " ", " ", "OM"),
  Rarespp = c(" ", " ", "SD", "NP"),
  NP = rep("northern pikeminnow|NORTHERN PIKEMINNOW|np|NP|npm|NPM", 4),
  OM = rep("steelhead|STEELHEAD|rainbow trout|RAINBOW TROUT|st|ST|rb|RB|om|OM", 4),
  suck = rep("suckers|SUCKERS|sucker|SUCKER|suck|SUCK|su|SU", 4)
)

我需要使用填充了常见鱼代码/名称（NP，OM，suck）的列来计算前四列中的表达式，并根据每列输出不同的数字（如果表达式满足）。到目前为止，我只能弄清楚如何让它运行一列。如何为transmute_at中为新列转换将创建和用于计算每个表达式的列编制索引。

这适用于一个列：

df <- subset(df[, c(1:4, 6)]) # using column OM for best example

df %>%
  rowwise() %>%
  transmute(OM = case_when(
    grepl(OM, Dominantspp) ~ "5",
    grepl(OM, Commonspp) ~ "3",
    grepl(OM, Rarespp) ~ "1",
    grepl(OM, Otherspp) ~ "1",
    TRUE ~ "0"
  )
)

提前感谢！

Answer 1

如果我正确理解了你的问题，这里是你可以做的。transmute类似于Mutate。不同的是transmute删除其他变量。transmute_at是transmute的变体，它有三个参数。第一个参数是tbl或数据帧。第二个参数，. vars，是选择列的地方。我们可以使用vars（...）来指定列，其中...可以使用与dplyr相同的方法::选择。第三个参数. funs是指定要应用于所有选定列的函数的位置。我们将操作indisefuns（...）。

library(dplyr)

df %>%
  rowwise() %>%
  transmute_at(vars(NP, OM, suck), 
               funs(Recode = case_when(
                 grepl(., Dominantspp) ~ "5",
                 grepl(., Commonspp) ~ "3",
                 grepl(., Rarespp) ~ "1",
                 grepl(., Otherspp) ~ "1",
                 TRUE ~ "0"))) %>%
  ungroup()
# # A tibble: 4 x 3
#   NP_Recode OM_Recode suck_Recode
#       <chr>     <chr>       <chr>
# 1         0         5           1
# 2         0         5           0
# 3         0         0           0
# 4         1         3           0

或者像这样，在原始列名之后没有任何标签。

df %>%
  rowwise() %>%
  transmute_at(vars(NP, OM, suck), 
               funs(case_when(
                 grepl(., Dominantspp) ~ "5",
                 grepl(., Commonspp) ~ "3",
                 grepl(., Rarespp) ~ "1",
                 grepl(., Otherspp) ~ "1",
                 TRUE ~ "0"))) %>%
  ungroup()
# # A tibble: 4 x 3
#      NP    OM  suck
#   <chr> <chr> <chr>
# 1     0     5     1
# 2     0     5     0
# 3     0     0     0
# 4     1     3     0