时间戳

首页 > 解决方案 > 如何总结自定义 dplyr 函数中的变量列表？

r - 如何总结自定义 dplyr 函数中的变量列表？

问题描述

初始点：

我有一个数据集（tibble），其中包含许多同一类（dbl）的变量。它们属于不同的设置。缺少变量（tibble 中的列）。这是属于一个设置的所有变量的 rowSum。

目标：

我的目标是为每个设置生成具有相同数据结构的子数据集，包括“rowSum”-Variable（我称之为“s1”）。

问题：

在每个设置中都有不同数量的变量（当然它们的名称也不同）。因为它应该是具有不同变量的相同结构，所以它是函数的典型情况。

问题：

如何使用 dplyr 解决问题？

我写了一个函数

（1）为有趣的设置（正在工作）子集原始数据集和

(2) 尝试对设置的变量进行rowSums（不起作用；为什么？）。

因为它是针对特殊设计的数据集的函数，所以该函数包含两个预定义变量：

day - 调查期间的任何一天

N - 这是在这个特殊的日子调查的案件数

感谢您的任何帮助。

mkr.sumsetting <- function(...,dataset){

  subvars <- rlang::enquos(...)
  #print(subvars)

  # Summarize the variables belonging to the interessting setting
  dfplot <- dataset %>%
    dplyr::select(day,N,!!! subvars) %>%
    dplyr::mutate(s1 = rowSums(!!! subvars,na.rm = TRUE))

  return(dfplot)
   }

标签： rfunctiondplyr

解决方案

我们可以将其更改为字符串和as_name子集数据集[[rowSums 

library(rlang)
library(purrr)
library(dplyr)
mkr.sumsetting <- function(...,dataset){

  subvars <- rlang::enquos(...)
  v1 <- map_chr(subvars, as_name)
    #print(subvars)

   # Summarize the variables belonging to the interessting setting
   dfplot <- dataset %>%
     dplyr::select(day, N, !!! subvars) %>%
     dplyr::mutate(s1 = rowSums( .[v1],na.rm = TRUE))

     return(dfplot)
     }

out <- mkr.sumsetting(col1, col2, dataset = df1)
head(out, 3)
#   day  N       col1      col2          s1
#1   1 20 -0.5458808 0.4703824 -0.07549832
#2   2 20  0.5365853 0.3756872  0.91227249
#3   3 20  0.4196231 0.2725374  0.69216051

或者另一种选择是select然后quosure做rowSums 

mkr.sumsetting <- function(...,dataset){

  subvars <- rlang::enquos(...)

    #print(subvars)

   # Summarize the variables belonging to the interessting setting
   dfplot <- dataset %>%
     dplyr::select(day, N, !!! subvars) %>%
     dplyr::mutate(s1 =  dplyr::select(., !!! subvars) %>%
                               rowSums(na.rm = TRUE))

     return(dfplot)
     }

mkr.sumsetting(col1, col2, dataset = df1)

数据

set.seed(24) 
df1 <- data.frame(day = 1:20, N = 20, col1 = rnorm(20),
    col2 = runif(20))

推荐阅读