如何编写一个 R 函数，让我使用 dplyr 的 %>% 管道操作多个 R 变量？答案

【问题标题】：How do I write a R function that let me manipulate multiple R variables using dplyr's %>% pipes?如何编写一个 R 函数，让我使用 dplyr 的 %>% 管道操作多个 R 变量？
【发布时间】：2020-12-13 11:50:24
【问题描述】：

我正在尝试创建一个函数来操作不同的数据集，但我面临着这个任务的几个问题。我在下面的 dput() 输出中提供了我试图操作的数据的简化版本：

structure(list(id = structure(c(2, 4, 6, 8, 10), label = "iid", format.spss = "F4.0", display_width = 0L), A = c(13, 9, 14, 14, 13), B = c(12, 0, 9, 3, 10), C = c(13, 8, 14, 13, 11)), row.names = c(NA, -5L), class = c("tbl_df", "tbl", "data.frame"))

我正在尝试做几件事，但由于数据的格式化方式，我在不同的时刻卡住了。首先，我需要将每一行的 A:D 列的值汇总到一个名为 total 的变量中。接下来，我需要通过将每一列 A:D 除以 total 来计算概率。

这是我面临一些问题的地方。我写了一个函数来执行上述操作：

functa <- function(x, id, vars) {
  
  x %>%
    mutate(total = rowSums(.[vars])) %>%
    mutate(prob = .[vars]/total)

}

当我使用以下行调用函数时：

test <- functa(df_ED, "pid", c("A", "B", "C", "D"))

我得到一个有 5 个观察值的对象，但只有 7 个变量（而不是 10 个）。当我检查对象时，我看到了 4 个新变量（即 prob.A、prob.B、prob.C、prob.D），但它们被作为单个变量读入。

因此，我想对此数据集执行的任何后续操作都无法按预期进行。在过去的两天里，我一直在研究这个问题，但找不到任何关于这种现象的信息，我猜我想不通。

我使用此功能的最终目标是：

计算一个total 变量（A:D 的总和）
计算应输出 4 个变量（即 A/total、B/total 等）的 prob 变量
重新编码prob 变量，以便将所有无穷大值（即“Inf”）重新编码为 0
将所有 4 个 prob 变量加到一个 totalprob 变量中

希望对此有任何见解！

【问题讨论】：

标签： r function dplyr

【解决方案1】：

如果您想将一个函数应用于多个列，请使用 across ：

library(dplyr)

functa <- function(x, id, vars) {
  
  x %>%
           #sum all vars column
    mutate(total = rowSums(.[vars]),
           #Divide vars column with total and create new columns with prob
           across(all_of(vars), ~./total, .names = '{col}_prob'), 
           #Replace infinite value in prob column with 0
           across(ends_with('_prob'), ~replace(., is.infinite(.), 0))) %>%
           #Sum all prob columns. 
    mutate(totalprob = rowSums(select(., ends_with('prob'))))      
  
}

functa(df_ED, "pid", c("A", "B", "C"))

#     id     A     B     C total A_prob B_prob C_prob totalprob
#  <dbl> <dbl> <dbl> <dbl> <dbl>  <dbl>  <dbl>  <dbl>     <dbl>
#1     2    13    12    13    38  0.342  0.316  0.342         1
#2     4     9     0     8    17  0.529  0      0.471         1
#3     6    14     9    14    37  0.378  0.243  0.378         1
#4     8    14     3    13    30  0.467  0.1    0.433         1
#5    10    13    10    11    34  0.382  0.294  0.324         1

【讨论】：

谢谢罗纳克。关于across 中的.names 参数的另一个问题——如果我在后面的行中使用across 运行其他计算，有没有办法可以用类似{col}_abc 的东西替换以前命名的{col}_prob？如果我跟进 across 语句，这次选择先前计算的变量（例如，A_prob，我会得到像 A_prob_abc 这样的变量名称，而不是预期的 A_abc。
@Bear25 如果您将.names 更改为.names = '{col}_abc'，它应该为您提供列名A_abc。
实际上我认为我不清楚我的后续问题。因为在下一行，我选择了以_prob结尾的变量做进一步的计算，然后用.names = '{col}_abc命名，但是变量名变成了A_prob_abc。因此，我想知道是否有办法在 .names 参数中进行替换，以便在命名新变量时可以将 _prob 替换为 _abc。
不，您将无法以这种方式获得所需的名称。你有两个选择。 1) 不要在第一步中使用.names = '{col}_prob 更改名称，因此您会覆盖原始列名，并且您的列名仍称为“A”、“B”等或 2) 使用 rename_with 通过删除重命名列prob 在第二个 across 之后来自它。
感谢您的澄清！我使用setNames() 让代码工作。我试过但无法让rename_with 正常工作。可能需要多读一点。

【解决方案2】：

另一种解决方案是更改表格的布局，在第一步通过pivot_longer 计算概率，在下一步通过pivot_wider 获得所需的最终布局。

> df %>% 
+   pivot_longer(-id, names_to = "key", values_to = "value") %>%
+   group_by(id) %>%
+   mutate(prob = value / sum(value)) %>%
+   pivot_wider(names_from = key, values_from = c(value, prob))
# A tibble: 5 x 7
# Groups:   id [5]
     id value_A value_B value_C prob_A prob_B prob_C
  <dbl>   <dbl>   <dbl>   <dbl>  <dbl>  <dbl>  <dbl>
1     2      13      12      13  0.342  0.316  0.342
2     4       9       0       8  0.529  0      0.471
3     6      14       9      14  0.378  0.243  0.378
4     8      14       3      13  0.467  0.1    0.433
5    10      13      10      11  0.382  0.294  0.324

【讨论】：