Как вы можете ссылаться на невыбранные столбцы внутри()?

У меня есть фрейм данных с целочисленными столбцами x1, x2, x3,... и логическими столбцами x1_status, x2_status, x3_status,...

df = tibble(
    x1 = 1:5,
    x1_status = c(T, T, T, F, F),
    x2 = 6:10,
    x2_status = c(F, T, T, T, F),
    x3 = 11:15,
    x3_status = c(F, F, T, T, T)
)

Как вычислить среднее значение x1, x2, x3,... для значений, где x1_status равен True, x2_status равен True, x3_status равен True и т. д. соответственно? Я бы хотел использовать across() внутри summarize(), чтобы мне не приходилось перечислять каждый столбец x отдельно.

То есть я надеюсь получить фрейм данных со столбцами mean_x1 = 2, mean_x2 = 8 и mean_x3 = 14.

Я думал о чем-то вроде

df |>
    summarize(
        across(
            !matches("_"),
            \(value_col) {
                status_col = str_c(cur_column(), "_status")
                mean(value_col[.data[[status_col]]])
            },
            .names = "mean_{col}"
        )
    )

но это не работает. Я также хотел бы избежать использования df[[status_col]], чтобы я мог включить его в конвейер, который мог бы создавать столбцы x1, x2, x3,... без необходимости промежуточного назначения df.

Добро пожаловать в ТАК! Попробуйте использовать get вместо местоимения .data, т. е. используйте mean(value_col[get(status_col)]). См., например, stackoverflow.com/questions/68349087/… (хотя в этом вопросе .data тоже работает (;)

— 28.08.2024 17:38

r dplyr

28.08.2024 17:08

Стоит ли изучать PHP в 2023-2024 годах?

Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...

Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией

В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.

Приемы CSS-макетирования - floats и Flexbox

Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...

Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest

В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...

Концепция локализации и ее применение в приложениях React ⚡️

Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...

Пользовательский скаляр GraphQL

Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...

Перейти к ответу Данный вопрос помечен как решенный

Ответы 2

Ответ принят как подходящий

Использование pivot_longer() может быть более интуитивным:

library(tidyverse)

df = tibble(
  x1 = 1:5,
  x1_status = c(T, T, T, F, F),
  x2 = 6:10,
  x2_status = c(F, T, T, T, F),
  x3 = 11:15,
  x3_status = c(F, F, T, T, T)
)

# Pivot to longer dataset
df_long <- df %>%
  rename_with(
    ~ paste0(., "_value"),
    c(x1, x2, x3)
  ) %>%
  pivot_longer(
    cols = everything(),
    names_sep = "_",
    names_to = c("name", ".value")
  )

# Summarize
long_summary <- df_long %>%
  filter(status) %>%
  group_by(name) %>%
  summarize(value = mean(value))

# Pivot to wide summary
wide_summary <- long_summary %>%
  pivot_wider(
    names_from = "name",
    values_from = "value",
    names_prefix = "mean_"
  )

print(wide_summary)

28.08.2024 18:23

Другой подход — NA выделить x*, имеющие статус FALSE, и использовать na.rm при применении mean.

Как и следующее

library(tidyverse)

df = tibble(
  x1 = 1:5,
  x1_status = c(T, T, T, F, F),
  x2 = 6:10,
  x2_status = c(F, T, T, T, F),
  x3 = 11:15,
  x3_status = c(F, F, T, T, T)
)

df %>%
  mutate(across(matches("_"), ~ ifelse(.x, T, NA))) %>%
  reframe(across(!matches("_"), .names = '{col}_mean') * pick(matches("_"))) %>%
  summarize(across(everything(), ~ mean(.x, na.rm = TRUE)))
#> # A tibble: 1 × 3
#>   x1_mean x2_mean x3_mean
#>     <dbl>   <dbl>   <dbl>
#> 1       2       8      14

^{Created on 2024-08-28 with reprex v2.1.1}

28.08.2024 18:51