dplyr 改变分组数据而不使用确切的列名

Question

我正在尝试编写一个函数来处理多个相似的数据集，这里我想用上一次面试中同一主题获得的分数减去第二次面试中受试者获得的分数。在我要处理的所有数据集中，感兴趣的分数将存储在第二列中。为每个特定的数据集编写很简单，只需使用确切的列名，一切都会好起来的。

d <- a %>% 
    arrange(by_group=interview_date) %>%
    dplyr::group_by(subjectkey) %>%
    dplyr::mutate(score_change = colname_2nd-lag(colname_2nd))

但由于我需要一个可用于处理多个数据集的通用函数，因此我不能使用确切的列名。所以我尝试了3种方法，它们都只改变了最后一行

方法#1：

dplyr::mutate(score_change = dplyr::vars(2)-lag(dplyr::vars(2)))

方法#2： 感兴趣的数据集的第二列名称包含相同的字符串，所以我尝试了

dplyr::mutate(score_change = dplyr::vars(matches('string'))-lag(dplyr::vars(matches('string'))))

上述两种方法的错误信息将是

Error in dplyr::vars(2) - lag(dplyr::vars(2)) : 
  non-numeric argument to binary operator

方法#3：

dplyr::mutate(score_change = .[[2]]-lag(.[[2]]))

错误信息：

Error: Column `score_change` must be length 2 (the group size) or one, not 10880

10880 是我的示例数据集的行号，所以看起来 group_by 在这种方法中不起作用

有谁知道如何使函数以所需的方式执行？

Answer 1

如果您想使用列名的位置，请使用cur_data()[[2]] 来引用数据框的第二列。

library(dplyr)

d <- a %>% 
        arrange(interview_date) %>%
        dplyr::group_by(subjectkey) %>%
        dplyr::mutate(score_change = cur_data()[[2]]-lag(cur_data()[[2]]))

另请注意，cur_data() 不计算分组列，因此如果 subjectkey 是数据中的第一列，colname_2nd 是第二列，则您可能需要在 group_by 时使用 cur_data()[[1]]。