R整齐的行意味着来自列的子集[重复]

Question

我想计算数据框中多列的汇总变量。这在输入所有行名时是可能的，但我想使用starts_with() 和类似的函数。即

df <- data.frame(A1 = rnorm(100, 0, 1),
                 A2 = rnorm(100, 0, 1),
                 A3 = rnorm(100, 0, 1),
                 B1 = rnorm(100, 0, 1),
                 B2 = rnorm(100, 0, 1))

什么有效：

library(tidyverse)
df %>% mutate(A = (A1 + A2 + A3)/3)
df %>% mutate(A = rowMeans(select(., A1:A3)))

但是，前者在汇总许多变量时会变得烦人，而后者在汇总许多行时会非常缓慢。我怀疑一定有更快的解决方案。

什么不起作用：

df %>% mutate(A = mean(A1:A3))
df %>% group_by(row_number()) %>% mutate(A = mean(A1:A3))
df %>% group_by(row_number()) %>% mutate(A = mean(starts_with("A")))

所以我的问题是：有没有办法在 mutate() 中使用 mean() 等来计算行均值，理想情况下不必拼出每个变量？

Answer 1

在你的select函数中使用函数starts_with：

df %>% mutate(A = rowMeans(select(., starts_with("A"))))

如果您搜索select_helpers 的帮助，您会发现更多。

Answer 2

在我以前的版本中，我认为rowMeans 是问题所在，但实际上导致计算速度变慢的是select 的使用——最好还是坚持grep 系列：

df %>% mutate(A = rowMeans(.[, grepl("^A", names(.))]))

Answer 3

Base R 在我的测试中是最快的。
我将使用更大的数据框。

library(tidyverse)
library(microbenchmark)
library(ggplot2)

set.seed(1234)

n <- 1e4
df <- data.frame(A1 = rnorm(n, 0, 1),
                 A2 = rnorm(n, 0, 1),
                 A3 = rnorm(n, 0, 1),
                 B1 = rnorm(n, 0, 1),
                 B2 = rnorm(n, 0, 1))

mb <- microbenchmark(
  m1 = df %>% mutate(A = (A1 + A2 + A3)/3),
  m2 = df %>% mutate(A = rowMeans(select(., A1:A3))),
  m3 = df %>% mutate(A = reduce(.[, grepl("^A", names(.))], `+`) / ncol(.[, grepl("^A", names(.))])),
  m4 = rowMeans(df[, grep("^A", names(df))]),
  m5 = df[, grep("^A", names(df))] %>% rowMeans()
)

mb

autoplot(mb)

纯基础 R 方式更快，其次是基础 R 子集/dplyr 管道。