[R]_使用mutate_all(),mutate_at(),mutate_if()操纵数据框的列

        用R做数据清洗的人应该对mutate()不会陌生,这个函数用来增加列变量,非常好用,不过它的一些同胞mutate_all(),mutate_at(),mutate_if()知名度就没有那么高,但其实这几个也是很好用的函数,主要用于对列变量使用函数,修改列变量的值。三者区别如下

       mutate_all()作用所有变量
       mutate_at()作用于选中的变量
       mutate_if()作用于按条件筛选后的变量

        先建一个dataframe,因为直接rnorm的函数保留多位小数,所以用了floor()向下取整,另外,因为rnorm()生成的是随机数,所以你跑出来的结果和我这里不一样也很正常。

data<-data.frame(var_1=floor(rnorm(10,0,5)),
                 var_2=floor(rnorm(10,5,5)),
                 var_3=paste("good_boy",1:10,sep = ""))

        数据如下

     

        我们先来看mutate_all()函数,因为var_1,var_2是数值,var_3是字符串,我们就不做加减乘除运算,而是给每个字段上加一个ok,代码如下。

data_1=mutate_all(data,.funs=funs(paste(.,"ok",sep = "_")))

        data_1长这样

         我们再看mutate_at()函数,因为var_1,var_2是数值,我们选择对它们做一个加法运算,给var_1,var_2加10。

data_2=mutate_at(data,.vars = vars(var_1,var_2),.funs=funs(.+10))

        data_2长这样

         最后看mutate_if(),设置条件,如果对象是数值则乘以10,我们知道,在做判断时,默认都是按ture执行下一步。

data_3=mutate_if(data,is.numeric,.funs = funs(.*10))

        data_3长这样

         到这里,我们就知道mutate_all(),mutate_at(),mutate_if()的使用方法,它们主要是借助funs这个参数完成对数据的改造。

  • 8
    点赞
  • 18
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
### 回答1: 可以回答的。R语言的mutate_at函数可以对指定的进行变换操作,常用的变换操作包括加减乘除、取对数、开方等。下面以一个具体的案例说明mutate_at函数的使用: 假设我们有一个dataframe,其中包含三数据x、y、z,我们想对x和y进行平方操作,对z进行开方操作,可以如下编写代码: ```R library(dplyr) df <- data.frame(x=c(1,2,3), y=c(4,5,6), z=c(7,8,9)) df_new <- df %>% mutate_at(vars(x,y), funs(.^2)) %>% mutate_at(vars(z), funs(sqrt)) print(df_new) ``` 输出结果为: ``` x y z 1 1 16 2.645751 2 4 25 2.828427 3 9 36 3.000000 ``` 其中,mutate_at函数中的vars函数用于指定对哪些进行变换,funs函数用于指定具体的变换操作,.表示要对变量本身进行操作。在本例中,对x和y进行平方操作,对z进行开方操作。 ### 回答2: R语言中的mutate_at函数是用于对指定进行变换操作的函数。它可以在不改变原始数据框架的前提下,对指定的应用一个或多个函数进行变换操作。 例如,我们有一个包含三数据框df,分别是"age"、"height"和"weight"。如果我们想要对"age"和"weight"这两进行变换操作,可以使用mutate_at函数: ```R df <- df %>% mutate_at(vars(age, weight), funs(new_col = . + 1)) ``` 上述代码使用mutate_at对"age"和"weight"应用了一个函数,该函数将原始值加1并将结果保存到新的new_col中。通过这种方式,我们可以对多个进行统一的变换操作,而不需要逐一指定名。 此外,mutate_at函数还可以接受不同的函数,并可以使用其他管道操作符,如filter和arrange。例如,如果我们想要对"height"进行筛选操作,然后再对"age"应用一个自定义函数,可以这样写: ```R df <- df %>% filter(height > 170) %>% mutate_at(vars(age), my_func) ``` 上述代码首先使用filter函数对"height"进行筛选,只保留大于170的行,然后使用mutate_at函数对"age"应用自定义函数my_func。 总之,mutate_at是R语言中一个非常有用的函数,它可以方便地对数据框的指定进行变换操作,并且可以与其他函数和管道操作符一起使用,提高数据处理的效率。 ### 回答3: R语言中的mutate_at函数允许我们对指定的一组进行变换操作。下面是一个使用mutate_at函数的例子: 假设我们有一个包含学生信息的数据框data,其中包含学生姓名(name)、年龄(age)、成绩(math_score)和语文成绩(chinese_score)等变量。 我们希望对年龄(age)和成绩(math_score和chinese_score)进行变换操作,例如将年龄加上10,并计算数学和语文成绩的平均值。 我们可以使用mutate_at函数来实现这个需求: ```R library(dplyr) data <- data %>% mutate_at(vars(age, math_score, chinese_score), list(~. + 10)) %>% mutate(mean_score = rowMeans(select(., math_score, chinese_score))) ``` 在上述代码中,mutate_at函数的第一个参数是要进行变换操作的,这里我们使用vars函数来指定了age、math_score和chinese_score这三。 第二个参数是一个表(用list函数创建),该表指定了要对每个进行的变换操作。这里我们使用了~. + 10来将每个的值加上10。 最后,我们使用mutate函数将所有变换后的添加到数据框中,并使用rowMeans函数计算math_score和chinese_score的平均值,并将结果保存在新的mean_score中。 通过这样使用mutate_at函数,我们可以方便地对一组进行相同的变换操作,避免了重复的编码。同时,我们也可以在同一个函数链中进行多次变换操作,提高了效率。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值