Performing dplyr auf Teilmenge von Spalten mutieren

Question

ich eine data.frame wie diese haben (die reale Datensatz hat viel mehr Zeilen und Spalten)

set.seed(15) 
dd <- data.frame(id=letters[1:4], matrix(runif(5*4), nrow=4)) 

# id  X1  X2  X3  X4  X5 
# 1 a 0.6021140 0.3670719 0.6872308 0.5090904 0.4474437 
# 2 b 0.1950439 0.9888592 0.8314290 0.7066286 0.9646670 
# 3 c 0.9664587 0.8151934 0.1046694 0.8623137 0.1411871 
# 4 d 0.6509055 0.2539684 0.6461509 0.8417851 0.7767125 

Ich mag wäre in der Lage sein, eine dplyr Erklärung zu schreiben, in dem Ich kann eine Teilmenge von Spalten auswählen und mutieren. (Ich versuche etwas Ähnliches wie die Verwendung von .SDcols in data.table).

Für ein vereinfachtes Beispiel, hier ist die Funktion Ich möchte in der Lage sein zu schreiben, Spalten für die Summen und Mittel der geraden "X" Spalten hinzufügen, während alle anderen Spalten erhalten. Die gewünschte Ausgabe unter Verwendung der Basis R ist

(cols<-paste0("X", c(2,4))) 
# [1] "X2" "X4" 
cbind(dd,evensum=rowSums(dd[,cols]),evenmean=rowMeans(dd[,cols])) 

# id  X1  X2  X3  X4  X5 evensum evenmean 
# 1 a 0.6021140 0.3670719 0.6872308 0.5090904 0.4474437 0.8761623 0.4380811 
# 2 b 0.1950439 0.9888592 0.8314290 0.7066286 0.9646670 1.6954878 0.8477439 
# 3 c 0.9664587 0.8151934 0.1046694 0.8623137 0.1411871 1.6775071 0.8387535 
# 4 d 0.6509055 0.2539684 0.6461509 0.8417851 0.7767125 1.0957535 0.5478768 

aber ich wollte eine dplyr-ähnliche Kette verwenden, um das Gleiche zu tun. Im allgemeinen Fall würde ich gerne eine der select() Hilfsfunktionen wie starts_with, ends_with, usw. und jede Funktion verwenden können. Hier ist, was habe ich versucht,

library(dplyr) 
partial_mutate1 <- function(x, colspec, ...) { 
    select_(x, .dots=list(lazyeval::lazy(colspec))) %>% 
    transmute_(.dots=lazyeval::lazy_dots(...)) %>% 
    cbind(x,.) 
} 

dd %>% partial_mutate1(num_range("X", c(2,4)), 
    evensum=rowSums(.), evenmean=rowMeans(.)) 

jedoch Dies wirft einen Fehler, der

Error in rowSums(.) : 'x' must be numeric 

sagt Welche zu sein scheint, weil . auf die gesamte date.frame zu beziehen scheint eher als die ausgewählte Teilmenge. (gleicher Fehler wie rowSums(dd)). Beachten Sie jedoch, dass dies die gewünschte Ausgabe erzeugt

partial_mutate2 <- function(x, colspec) { 
    select_(x, .dots=list(lazyeval::lazy(colspec))) %>% 
    transmute(evensum=rowSums(.), evenmean=rowMeans(.)) %>% 
    cbind(x,.) 
} 
dd %>% partial_mutate2(seq(2,ncol(dd),2)) 

Ich vermute, das ist eine Art von Umweltproblem? Irgendwelche Vorschläge, wie Sie die Argumente an übergeben, so dass die . Werte aus dem Datensatz "select() - ed" korrekt übernimmt?

Answer 1

Fehle ich etwas oder würde wie diese Arbeit zu erwarten:

cols <- paste0("X", c(2,4)) 
dd %>% mutate(evensum = rowSums(.[cols]), evenmean = rowMeans(.[cols])) 
# id  X1  X2  X3  X4  X5 evensum evenmean 
#1 a 0.6021140 0.3670719 0.6872308 0.5090904 0.4474437 0.8761623 0.4380811 
#2 b 0.1950439 0.9888592 0.8314290 0.7066286 0.9646670 1.6954878 0.8477439 
#3 c 0.9664587 0.8151934 0.1046694 0.8623137 0.1411871 1.6775071 0.8387535 
#4 d 0.6509055 0.2539684 0.6461509 0.8417851 0.7767125 1.0957535 0.5478768 

Oder suchen Sie speziell für eine benutzerdefinierte Funktion, dies zu tun?

---

nicht genau das, was Sie suchen, aber wenn Sie wollen, dass es in einem Rohr tun Sie select explizit innerhalb mutate wie diese verwenden:

dd %>% mutate(xy = select(., num_range("X", c(2,4))) %>% rowSums) 
# id  X1  X2  X3  X4  X5  xy 
#1 a 0.6021140 0.3670719 0.6872308 0.5090904 0.4474437 0.8761623 
#2 b 0.1950439 0.9888592 0.8314290 0.7066286 0.9646670 1.6954878 
#3 c 0.9664587 0.8151934 0.1046694 0.8623137 0.1411871 1.6775071 
#4 d 0.6509055 0.2539684 0.6461509 0.8417851 0.7767125 1.0957535 

Allerdings ist es ein wenig komplizierter, wenn Sie möchten mehrere Funktionen anwenden. Sie könnten eine Hilfsfunktion entlang der Linien verwenden (..not gründlich getestet ..):

f <- function(x, ...) { 
    n <- nrow(x) 
    x <- lapply(list(...), function(y) if (length(y) == 1L) rep(y, n) else y) 
    matrix(unlist(x), nrow = n, byrow = FALSE) 
} 

Und dann gilt es wie folgt aus:

dd %>% mutate(xy = select(., num_range("X", c(2,4))) %>% f(., rowSums(.), max(.))) 
# id  X1  X2  X3  X4  X5  xy.1  xy.2 
#1 a 0.6021140 0.3670719 0.6872308 0.5090904 0.4474437 0.8761623 0.9888592 
#2 b 0.1950439 0.9888592 0.8314290 0.7066286 0.9646670 1.6954878 0.9888592 
#3 c 0.9664587 0.8151934 0.1046694 0.8623137 0.1411871 1.6775071 0.9888592 
#4 d 0.6509055 0.2539684 0.6461509 0.8417851 0.7767125 1.0957535 0.9888592 

Answer 2

A number-of-Spalten Agnostiker Ansatz dplyr:

dd %>% 
    select(-id) %>% 
    mutate(evensum = rowSums(.[,1:length(.[1,])%%2==0]), 
     evenmean = rowMeans(.[,1:length(.[1,])%%2==0])) %>% 
    cbind(id=dd[,1],.) 

    id  X1  X2  X3  X4  X5 evensum evenmean 
1 a 0.6021140 0.3670719 0.6872308 0.5090904 0.4474437 0.8761623 0.4380812 
2 b 0.1950439 0.9888592 0.8314290 0.7066286 0.9646670 1.6954878 0.8477439 
3 c 0.9664587 0.8151934 0.1046694 0.8623137 0.1411871 1.6775071 0.8387535 
4 d 0.6509055 0.2539684 0.6461509 0.8417851 0.7767125 1.0957535 0.5478767