Лучший способ вычислить большое количество пар столбцов data.frame
У меня есть два вектора, каждый из которых содержит имена столбцов в моем data.frame, data, то есть в широкой форме, например.
NSW_cols <- c("NSW_1", "NSW_2") # Columns for two variables from New South Wales
AUS_cols <- c("AUS_1", "AUS_2") # Columns for two variables from Australia
head(data)
date NSW_1 AUS_1 NSW_2 AUS_2
1 2000-01-01 -0.38358623 -1.78824221 0.995984590 1.0744594
2 2001-01-01 -1.95910318 2.03124252 -1.695764903 0.2605978
3 2002-01-01 -0.84170506 -0.70314433 -0.533372143 -0.3142720
4 2003-01-01 1.90354747 0.15816476 -1.372269451 -0.7496301
5 2004-01-01 0.62249393 0.50623480 -2.207919779 -0.8621983
6 2005-01-01 1.99092044 -0.81999511 1.822122519 2.0480403
Мне нужно вычислить share_i := NSW_i / AUS_i (то есть построчно или по date) для i = 1,2, ссылаясь на два моих вектора имен выше.
Например, используя data.table, я могу сделать что-то вроде:
setDT(data)
for (i in 1:2) {
data[, paste0("share_", i) := get(NSW_cols[i]) / get(AUS_cols[i])]
}
Это кажется глупым только для нескольких столбцов, но на самом деле в моем приложении несколько тысяч столбцов. Более того, в моем реальном приложении мне нужно сделать больше, чем просто разделить один столбец на другой. Поэтому я пытаюсь найти решение, которое будет работать для любой функции, принимающей в качестве входных данных два числовых вектора.
Данные поступают ко мне в несколько случайном виде, поэтому удобный порядок столбцов в этом примере мне тоже не подходит.
В: Каков наилучший способ вычислений для множества пар столбцов с использованием векторов имен?
Подозрение: Может быть, есть хитрый способ сделать это, преобразовав данные в длинную форму? Я не смог заставить его работать.
Пример данных:
structure(list(date = structure(c(10957, 11323, 11688, 12053,
12418, 12784, 13149, 13514, 13879, 14245, 14610, 14975, 15340,
15706, 16071, 16436, 16801, 17167, 17532, 17897), class = "Date"),
NSW_1 = c(1.24119982707737, 0.138858419103515, 1.71063158823657,
-0.430640974722993, -1.04422958092706, 0.537579524580529,
-0.669585987150229, 0.638805611438309, -1.72398983449257,
-1.74243008034091, 0.689804173282994, 0.330963177173467,
0.871067708948055, -2.01624558221344, 1.21257910351036, 1.20049469882194,
1.03206832593544, 0.786410256177216, 2.11007351377927, -1.45380984681329
), AUS_1 = c(-0.58310384813065, 0.409723982550305, -0.806981635414238,
0.0855504408545073, 0.746243168639741, -0.653673061331084,
0.657105983301959, 0.549909235009709, -0.806729358432671,
-0.997379717276235, 0.97589063842626, -0.169423180700716,
0.72219177943747, -0.844418606912503, 1.27729368500115, -1.34311054918022,
0.765340668860696, 0.464202569980373, 0.267993278040529,
0.667522687135242), NSW_2 = c(0.398467283863779, -0.638071030930068,
-0.267712904023511, 0.359879564885712, -1.31286609394071,
-0.883969609668706, 2.07709479458465, -2.09922563220098,
-1.23850596532828, 0.990433089664036, 1.08866186319808, 0.839852254188259,
0.0568586386833875, 0.32387805118027, -0.904668667590953,
-0.65218384837012, -0.262454637960949, -0.934662840905703,
0.821161212634175, -1.62425917345994), AUS_2 = c(-1.03040366948029,
-1.261929311973, 0.39218462589648, -1.13143826165372, 0.544144484008162,
1.17660893473457, 0.0252285692390373, 0.515133169692034,
-0.654109760017422, 0.503641990827566, -1.2721192223284,
-0.0767711536986575, -1.34531937567941, -0.266317560246187,
1.08756299501947, 0.700567795415207, -0.4427595146404, -0.78851996588786,
-0.856775709774438, -0.746419014623393)), class = "data.frame", row.names = c(NA,
-20L))
Ответы 2
Вот способ.
Используйте lapply не для векторов имен столбцов, а для их индекса.
library(data.table)
setDT(data)
i <- sub(".*(\\d+$)", "\\1", NSW_cols)
shares <- paste("share", i, sep = "_")
data[, (shares) := lapply(seq_along(NSW_cols), \(i) get(NSW_cols[i])/get(AUS_cols[i]))]
head(data)
#> date NSW_1 AUS_1 NSW_2 AUS_2 share_1 share_2
#> 1: 2000-01-01 1.2411998 -0.58310385 0.39846728 -1.03040367 -2.1286085 -0.38670988
#> 2: 2001-01-01 0.1388584 0.40972398 -0.63807103 -1.26192931 0.3389072 0.50563136
#> 3: 2002-01-01 1.7106316 -0.80698164 -0.26771290 0.39218463 -2.1197900 -0.68261958
#> 4: 2003-01-01 -0.4306410 0.08555044 0.35987956 -1.13143826 -5.0337669 -0.31807265
#> 5: 2004-01-01 -1.0442296 0.74624317 -1.31286609 0.54414448 -1.3993154 -2.41271598
#> 6: 2005-01-01 0.5375795 -0.65367306 -0.88396961 1.17660893 -0.8223982 -0.75128582
Created on 2022-11-18 with reprex v2.0.2
Используя tidyverse, я бы сделал что-то вроде этого:
library(dplyr)
library(purrr)
library(magrittr)
map_dfc(
seq_along(NSW_cols),
~ {
(data[[NSW_cols[.x]]] / data[[AUS_cols[.x]]]) %>%
list() %>%
set_names(paste0("share_", .x))
}
) %>%
bind_cols(data, .)
Без привязки:
library(dplyr)
library(purrr)
library(magrittr)
mutate(
data,
map_dfc(
seq_along(NSW_cols),
~ {
(data[[NSW_cols[.x]]] / data[[AUS_cols[.x]]]) %>%
list() %>%
set_names(paste0("share_", .x))
}
)
)
Мне нравится это решение, но я предпочту решение data.table, потому что оно позволяет избежать связывания столбцов после создания новых столбцов. Также мы должны иметь возможность удалить зависимость magrittr с помощью |> здесь, хотя впоследствии может потребоваться изменить порядок столбцов (я не думаю, что _ работает с аргументами ...?).
Обычно я использую |> в своих проектах, но по умолчанию использую %>% в Stack Overflow, так как у некоторых людей все еще может быть <4.1.0. В любом случае, (1) set_names находится на magrittr, а (2), как вы упомянули, _ можно использовать только для именованных аргументов. От зависимости magrittr можно отказаться, используя некоторые переменные для хранения промежуточных результатов.
Кроме того, вы можете избежать привязки столбцов после создания, вызвав функцию карты из mutate.
Я обновил ответ, чтобы включить это решение, но я думаю, что оно менее читабельно.
Жаль, что нельзя избежать
get()(или подобных) звонков, делая такие вещи. Спасибо.