时间戳

首页 > 解决方案 > 如何对矩阵的所有列执行计算？

r - 如何对矩阵的所有列执行计算？

问题描述

我有一个 66 棵树的年轮宽度矩阵。行代表测量年份，列代表不同的树。

现在我想逐棵计算从一年到另一棵树的生长差异。dplyr我设法分别使用每列的“滞后”功能来做到这一点。要为 66 列编写很多代码，所以我正在寻找一种方法来一次对所有列执行此操作，但要按列进行。

我的 'treegrowth' data.frame 看起来像这样：

year tree1 tree2 tree3 ...
1900 0.72 0.34 1.34
1901 0.56 0.88 0.98
1902 1.23 0.56 1.67
...

对于每棵树，我想将一年的值除以前一年的值，并将旧值与结果子集。

我可以像这样为每一列做到这一点：

  treegrowth$tree1 <- treegrowth$tree1 / lag(treegrowth$tree1)

但是，如何一步一步管理所有树（列）呢？

如果我只是忽略'$tree1'正在发生的奇怪事情，但不是我想要的。

> dput(head(treegrowth))
structure(list(WA12M = c(NA_real_, NA_real_, NA_real_, NA_real_, 
NA_real_, NA_real_), WA81M = c(NA_real_, NA_real_, NA_real_, 
NA_real_, NA_real_, NA_real_), WA101M = c(NA_real_, NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_), HA263M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), HA358M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), HA386M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), HA387M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), HA388M = c(0.73, 
0.73, 0.84, 0.43, 0.67, 0.72), HA390M = c(NA_real_, NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_), HA420M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), MI49M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), MI51M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), MI62M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), MI309M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), NO4M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), NO8M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), NO23M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), NO42M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), NO47M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), NO50M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), NO73M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA3M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA18M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA22M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA25M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA26M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA27M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA28M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA38M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA40M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA48M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA64M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA80M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA84M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA88M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA90M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA93M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA95M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA103M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA104M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA111M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA141M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA142M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA154M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA163M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA164M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA177M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA194M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA195M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA196M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA197M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA198M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA200M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA202M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA205M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA206M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA207M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA225M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA252M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA291M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA294M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA297M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA299M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA376M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA379M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA395M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), EI33M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), EI38M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), HA161M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_)), row.names`c("1803", 
"1804", "1805", "1806", "1807", "1808"), class = c("rwl", "data.frame"
))

标签： rmatrixdplyrlag

解决方案

使用基数 R，我们可以使用lapply

treegrowth[paste0(names(df[-1]), "_growth")] <- lapply(treegrowth[-1], 
                  function(x) c(NA, x[-1]/x[-length(x)]))

#  year tree1 tree2 tree3 tree1_growth tree2_growth tree3_growth
#1 1900  0.72  0.34  1.34           NA           NA           NA
#2 1901  0.56  0.88  0.98    0.7777778    2.5882353    0.7313433
#3 1902  1.23  0.56  1.67    2.1964286    0.6363636    1.7040816

或者如果你想使用dplyrand lag，我们可以使用mutate_at

library(dplyr)
treegrowth %>% mutate_at(-1, list(growth = ~./lag(.)))

数据

treegrowth <- structure(list(year = 1900:1902, tree1 = c(0.72, 0.56, 1.23), 
tree2 = c(0.34, 0.88, 0.56), tree3 = c(1.34, 0.98, 1.67)), 
class = "data.frame", row.names = c(NA, -3L))

推荐阅读