如何使用 R 中的 dplyr 创建具有包含最大值的列名称的新列？答案

【问题标题】：How to create new column with name of column that contains maximum value using dplyr in R?如何使用 R 中的 dplyr 创建具有包含最大值的列名称的新列？
【发布时间】：2023-02-23 21:20:47
【问题描述】：

我有这样一个数据框：

dat <- data.frame(var1 = rnorm(10), var2 = rnorm(10), var3 = rnorm(10), var4 = rnorm(10))
> dat
         var1        var2        var3       var4
1  -1.3784414  1.06816022  1.46578217 -0.4141153
2  -0.3272332 -0.69470574  0.02220395 -0.5502878
3   0.2559891 -0.06964848 -0.34745180  0.6399705
4   0.6029044  1.23680560 -0.72392358 -0.1990832
5   1.3097174 -0.58028595 -0.01487186 -0.8765290
6  -1.2356668  0.41330063 -1.00375989 -1.1974204
7  -0.4126320  3.83320678 -1.42059022 -0.6747575
8   1.7339653  0.58610348  0.40200428  1.4582103
9   1.2994859  1.65355306  0.75985071  0.6455882
10 -0.2353356  2.04468739 -0.11521602  0.3251901

目的是创建一个新列，其名称包含列 var2、var3 和 var4 中每行中的最大值。

使用以下命令不会产生正确的输出：

library(dplyr)
dat %>%
  rowwise() %>%
  mutate(var.max = colnames(.)[which.max(c_across(var2:var4))])

# A tibble: 10 x 5
# Rowwise: 
     var1    var2    var3   var4 var.max
    <dbl>   <dbl>   <dbl>  <dbl> <chr>  
 1 -1.38   1.07    1.47   -0.414 var2   
 2 -0.327 -0.695   0.0222 -0.550 var2   
 3  0.256 -0.0696 -0.347   0.640 var3   
 4  0.603  1.24   -0.724  -0.199 var1   
 5  1.31  -0.580  -0.0149 -0.877 var2   
 6 -1.24   0.413  -1.00   -1.20  var1   
 7 -0.413  3.83   -1.42   -0.675 var1   
 8  1.73   0.586   0.402   1.46  var3   
 9  1.30   1.65    0.760   0.646 var1   
10 -0.235  2.04   -0.115   0.325 var1

但是，如果列 var1 被排除在它起作用的数据之外：

dat %>%
  select(-var1) %>%
  rowwise() %>%
  mutate(var.max = colnames(.)[which.max(c_across(var2:var4))])

# A tibble: 10 x 4
# Rowwise: 
      var2    var3   var4 var.max
     <dbl>   <dbl>  <dbl> <chr>  
 1  1.07    1.47   -0.414 var3   
 2 -0.695   0.0222 -0.550 var3   
 3 -0.0696 -0.347   0.640 var4   
 4  1.24   -0.724  -0.199 var2   
 5 -0.580  -0.0149 -0.877 var3   
 6  0.413  -1.00   -1.20  var2   
 7  3.83   -1.42   -0.675 var2   
 8  0.586   0.402   1.46  var4   
 9  1.65    0.760   0.646 var2   
10  2.04   -0.115   0.325 var2

.. 就像 var1 位于最后一个位置时一样：

dat %>%
  select(var2, var3, var4, var1) %>%
  rowwise() %>%
  mutate(var.max = colnames(.)[which.max(c_across(var2:var4))])

# A tibble: 10 x 5
# Rowwise: 
      var2    var3   var4   var1 var.max
     <dbl>   <dbl>  <dbl>  <dbl> <chr>  
 1  1.07    1.47   -0.414 -1.38  var3   
 2 -0.695   0.0222 -0.550 -0.327 var3   
 3 -0.0696 -0.347   0.640  0.256 var4   
 4  1.24   -0.724  -0.199  0.603 var2   
 5 -0.580  -0.0149 -0.877  1.31  var3   
 6  0.413  -1.00   -1.20  -1.24  var2   
 7  3.83   -1.42   -0.675 -0.413 var2   
 8  0.586   0.402   1.46   1.73  var4   
 9  1.65    0.760   0.646  1.30  var2   
10  2.04   -0.115   0.325 -0.235 var2

我在这里错过了什么？

【问题讨论】：

试试names(dat)[max.col(dat)]
这回答了你的问题了吗？ Use dplyr to add a new column of based on max row value?
不起作用（或者我没有正确使用它？）：mutate() 中的错误：！计算 ..1 = names(dat)[max.col(dat)] 时出现问题。 x ..1 必须是 1 码，而不是 10 码。您是说：..1 = list(names(dat)[max.col(dat)]) 吗？ i 错误发生在第 1 行。
您共享的此数据的一个简单修复是在 which.max() 索引处添加 +1，即 mutate(var.max = colnames(.)[which.max(c_across(var2:var4))] + 1)
mutate()Sotos 错误@：！计算 var.max = colnames(.)[which.max(c_across(var2:var4))] + 1 时出现问题。 i 错误发生在第 1 行。由colnames(.)[which.max(c_across(var2:var4))] + 1 中的错误引起：！二元运算符的非数字参数

标签： r dplyr

【解决方案1】：

为了继续您的逻辑，并且由于您只删除了第一列，只需将 1 添加到 which.max()，即

library(dplyr)

dat %>% 
 rowwise() %>% 
 mutate(max_col = names(dat)[which.max(c_across(var2:var4)) + 1])

# A tibble: 10 × 5
# Rowwise: 
       var1     var2     var3     var4 max_col
      <dbl>    <dbl>    <dbl>    <dbl> <chr>  
 1 -1.09     0.768    0.251   -2.67    var2   
 2 -0.822   -1.37     0.901    1.83    var4   
 3  0.0280  -0.00555 -0.0709   0.729   var4   
 4  1.45    -0.132   -2.47     1.45    var4   
 5  0.506   -1.31    -2.75    -0.264   var4   
 6 -0.00538  1.31    -0.368    0.00679 var2   
 7 -0.166   -0.976   -1.42     1.50    var4   
 8 -0.377   -0.101    0.135    0.784   var4   
 9  0.535    0.438    0.0597   0.924   var4   
10  0.281   -0.481   -0.00177 -0.601   var3

如果您想通过指定要考虑的列来做到这一点，

my_cols <- c('var2', 'var3', 'var4')

dat %>%
     rowwise() %>%
     mutate(max_col = names(dat)[which.max(c_across(names(dat)[names(dat) %in% my_cols])) + (ncol(dat) - length(my_cols))])

【讨论】：

好的，这可行，但对我来说似乎有点狡猾。为什么它一开始就不能正常工作？有一个不依赖于列顺序的解决方案会很棒。
@erc：which.max() 返回四个元素向量内的位置：c_across(var2:var4)。当 var2 是最大值时，它将返回 1。当我们将 dat 的 colnames() 子集时，我们必须添加 +1 否则它会显示 var1 因为它是第一个位置。
@TimTeaFan 那么，是否可以选择直接提取列名而不进行索引？
@erc：我们可以编写一个自定义函数来避免将我们从which.max() 遗漏的列数添加到您的索引中，请参阅下面的回答。

【解决方案2】：

如果您想避免添加遗漏的列数（在上述情况下为+1），那么我们可以使用across()或pick()编写自定义函数max_col_name()：

library(dplyr)

max_col_name <- function(...) {
  row_dat <- across(c(...)) # if dplyr v >= v 1.1. use `pick()` instead of `across()`
  names(row_dat)[which.max(row_dat)]
}

dat %>% 
  rowwise() %>% 
  mutate(max_col = max_col_name(var2:var4))

#> # A tibble: 10 x 5
#> # Rowwise: 
#>       var1   var2   var3    var4 max_col
#>      <dbl>  <dbl>  <dbl>   <dbl> <chr>  
#>  1 -0.560   1.22  -1.07   0.426  var2   
#>  2 -0.230   0.360 -0.218 -0.295  var2   
#>  3  1.56    0.401 -1.03   0.895  var4   
#>  4  0.0705  0.111 -0.729  0.878  var4   
#>  5  0.129  -0.556 -0.625  0.822  var4   
#>  6  1.72    1.79  -1.69   0.689  var2   
#>  7  0.461   0.498  0.838  0.554  var3   
#>  8 -1.27   -1.97   0.153 -0.0619 var3   
#>  9 -0.687   0.701 -1.14  -0.306  var2   
#> 10 -0.446  -0.473  1.25  -0.380  var3

来自 OP 的数据

set.seed(123)
dat <- data.frame(var1 = rnorm(10), var2 = rnorm(10), var3 = rnorm(10), var4 = rnorm(10))

^{由 reprex package (v2.0.1) 创建于 2023-02-23}

【讨论】：