通过R中的相同函数修改数据集的多列答案

【问题标题】：Modify multiple columns of dataset by the same function in R通过R中的相同函数修改数据集的多列
【发布时间】：2016-10-05 01:38:29
【问题描述】：

这是一个生成data.frame的代码：

ref_variables=LETTERS[1:10]
row=100
d0=seq(1:100)
for (i in seq_along(ref_variables)){
  dtemp=sample(seq(1:row),row,TRUE)
  d0=data.frame(d0,dtemp)
}
d0[,1]=NULL
names(d0)=ref_variables

我有一个数据集，data.frame 或 data.table，等等。假设我想通过将每列除以第一个来修改第 2 到 4 列。当然，我可以这样循环：

columns_name_to_divide=c("B","C","H")
column_divisor="A"
for (i in seq_along(columns_name_to_divide)){        
  ds[columns_name_to_divide[i]] = ds[columns_name_to_divide[i]] / ds[column_divisor]
}

但是有没有更优雅的方法呢？

【问题讨论】：

标签： r function loops dataframe apply

【解决方案1】：

  > d0[2:4] <- d0[,2:4]/d0[,1]

这会将您的原始值替换为将第 2、3、4 列除以第 1 列后得到的结果。其余部分将保持不变。

如果您想在将第 2、3、4 列除以第 1 列后，在 d0 中创建 3 个新列，这不会替换第 2、3 和 4 列中的原始值。计算的值将是分别在第 11,12 和 13 列中。

  > dim(d0)
  # [1] 100  10
  > d0[11:13] <- d0[,2:4]/d0[,1]
  > dim(d0)
  # [1] 100  13

要对新值进行四舍五入，您只需将 round() 函数添加到小数点后 2 位，如下所示：

  > d0[2:4] <- round(d0[,2:4]/d0[,1],2)  # Original values subtituted at 2,3,4

  # OR

  > d0[11:13] <- round(d0[,2:4]/d0[,1],2)  # New columns added, original columns are untouched.

【讨论】：

不要认为这个有效，会产生错误：'/' 只为相同大小的数据帧定义。示例：d[,c(25, 26)]

【解决方案2】：

我们可以使用data.table 中的set，这样可以提高效率，因为在多次调用时避免了.[data.table 的开销（尽管在这种情况下不是这样）。

library(data.table)
setDT(d0)
for(j in columns_name_to_divide){
   set(d0, i = NULL, j = j, value = d0[[j]]/d0[[column_divisor]])
}

或使用lapply

setDT(d0)[, (columns_name_to_divide) := lapply(.SD, `/`, 
              d0[[column_divisor]]), .SDcols = columns_name_to_divide]

或者使用dplyr的优雅选项

library(dplyr)
library(magrittr)
d0 %<>%
    mutate_each_(funs(./d0[[column_divisor]]), columns_name_to_divide)
head(d0)
#  A         B         C  D  E  F  G        H  I  J
#1 60 0.4000000 1.1500000  6 86 27 19 0.150000 94 97
#2 11 0.6363636 0.3636364 25 52 44 82 8.818182 84 68
#3 80 0.8750000 1.1375000 72 34 56 69 0.125000 34 17
#4 77 0.3116883 1.0259740  9 44 87 61 1.064935 79 40
#5 18 0.3333333 5.0555556 60 69 62 89 2.166667 21 34
#6 42 1.3333333 2.3095238 61 20 87 95 1.428571 78 63

基准测试

set.seed(42)
d1 <- as.data.frame(matrix(sample(1:9, 1e7*7, replace=TRUE), ncol=7))

d2 <- copy(d1)
d3 <- copy(d1)

system.time({
d2 %<>%
   mutate_each(funs(./d2[["V2"]]), V4:V7)
})
# user  system elapsed 
#   0.52    0.39    0.91 

system.time({
d1[,4:7] <- d1[,4:7]/d1[,2]
})
#   user  system elapsed 
#   1.72    0.72    2.44 


system.time({

setDT(d3)
for(j in 4:7){
   set(d3, i = NULL, j = j, value = d3[[j]]/d3[["V2"]])
}

})
#  user  system elapsed 
#   0.32    0.16    0.47

【讨论】：

[.data.table 开销（通常）在多次调用时发挥作用。它只会在这里被调用一次。

【解决方案3】：

你可以这样做：

library(data.table)


cols <- names(df)[2:4]
col1 <- names(df)[1]

setDT(df)[, (cols) := lapply (cols, function(x)  get(x) / get(col1) )]


# sample data for reproducible example:
df <- data.frame(V1=rep(10,5),
                 V2=rep(20,5),
                 V3=rep(30,5),
                 V4=rep(40,5),
                 V5=rep(50,5))

【讨论】：

从下一个版本开始，您可以：setDT(df)[, (cols) := lapply (.SD, function(x) x * V1), .SDcols=cols]。 It has been fixed recently.