使用 dplyr 跨多个列的元素差异

Question

我的目标是创建由差异组成的新变量，但遍历多个列。在基地，这非常简单：

iris[, 6:7] <- iris[, 1:2] - iris[, 3:4]

有没有办法在 dplyr 中实现这一点，或许使用 mutate？

以下代码从第一列和第二列中减去第三列：

iris2 <- iris %>%
  mutate_at(1:2, funs(diffs = . - Petal.Length))

但是如果我想用第一个减去第三个，用第四个减去第二个怎么办？

我正在处理相当大的数据应用程序，所以为什么不假设我在 table 的 1000 列中尝试这样做——手动破解是不可取的...

Answer 1

这是使用 dplyr::bind_cols 和 purrr::map2 的一种方法，在大量列时似乎比 base 快得多。我对分析的了解还不够多，无法猜测原因，因为它感觉比其他选项更复杂一些。我不确定使用 mutate_ 动词是否容易做到这一点，尽管有待更正。

编辑：添加了一个带有 dplyr::do 的选项，这是 "intended" 进行计算的方式，不适合 mutate 函数。 mutate 的问题在于它希望只创建一列。我认为除了使用 map 构造单个 mutate 调用之外，我无法想象它会更快，这是最好的选择。

library(tidyverse)
set.seed(4321)
df <- matrix(rnorm(1000000), ncol = 1000) %>%
  as_tibble()

microbenchmark::microbenchmark(
  base = df[, 1001:1500] <- df[, 1:500] - df[, 501:1000],
  base2 = df %>% magrittr::inset(, 1001:1500, .[, 1:500] - .[, 501:1000]),
  map =  df %>% bind_cols(map2(.x = .[, 1:500], .y = .[, 501:1000], .f = ~.x - .y)),
  nomap = df %>% bind_cols(.[, 1:500] - .[, 501:1000]),
  do = df %>% do(.[, 1:500] - .[, 501:1000])
)
#> Unit: milliseconds
#>   expr       min        lq      mean    median        uq       max neval
#>   base 32.928171 36.394238 39.362308 37.361149 39.454822 112.76356   100
#>  base2 33.302556 35.500491 38.888530 37.433863 40.207799  84.08674   100
#>    map  4.693637  5.139985  5.967655  5.468398  6.264793  12.20658   100
#>  nomap 23.061348 25.016053 28.598282 26.973913 29.574478  79.97451   100
#>     do 21.906042 23.460822 27.049262 25.135640 26.596373  80.01928   100
#>  cld
#>    c
#>    c
#>  a  
#>   b 
#>   b

由 reprex package (v0.2.0) 创建于 2018-05-11。

使用 dplyr 跨多个列的元素差异

Elementwise differences across multiple columns with dplyr

r

dplyr

data-science