dplyr использует как строчные, так и df-значения в мутировании

Как вы выполняете rowwise операция, которая использует значения из других строк (в стиле dplyr/tidy)? Допустим, у меня есть этот df:

df <- data_frame(value = c(5,6,7,3,4),
                 group = c(1,2,2,3,3),
                 group.to.use = c(2,3,3,1,1))

Я хочу создать новую переменную, new.value, которая равна текущему значению каждой строки плюс максимальное значение для строк, чья "группа" равна "group.to.use" этой строки. Так для первого ряда

new.value = 5 + (max(value[group === 2])) = 5 + 7 = 12

желаемый результат:

# A tibble: 5 x 4
  value group group.to.use new.value
  <dbl> <dbl>        <dbl>     <dbl>
1    5.    1.           2.       12.
2    6.    2.           3.       10.
3    7.    2.           3.       11.
4    3.    3.           1.        8.
5    4.    3.           1.        9.

псевдокод:

df %<>%
  mutate(new.value = value + max(value[group.to.use == <group.for.this.row>]))
Источник

3 ответа

Решение

В режиме строки вы можете ссылаться на весь data.frame с помощью . и целый столбец в data.frame с нормальным синтаксисом .$colname или же .[['col.name']]:

df %>%
    rowwise() %>%
    mutate(new.value = value + max(.$value[.$group == group.to.use])) %>%
    ungroup()

# # A tibble: 5 x 4
#   value group group.to.use new.value
#   <dbl> <dbl>        <dbl>    <dbl>
# 1     5     1            2       12
# 2     6     2            3       10
# 3     7     2            3       11
# 4     3     3            1        8
# 5     4     3            1        9

Кроме того, вы можете предварительно вычислить максимум для каждой группы, а затем выполнить левое соединение:

df.max <- df %>% group_by(group) %>% summarise(max.value = max(value))

df %>%
    left_join(df.max, by = c('group.to.use' = 'group')) %>%
    mutate(new.value = value + max.value) %>%
    select(-max.value)
# # A tibble: 5 x 4
#   value group group.to.use new.value
#   <dbl> <dbl>        <dbl>     <dbl>
# 1     5     1            2        12
# 2     6     2            3        10
# 3     7     2            3        11
# 4     3     3            1         8
# 5     4     3            1         9
Источник

С базой R мы можем использовать aveгде мы рассчитываем max для каждого group и добавить их с соответствующими valuematchгруппы.

df$new.value <- with(df, value + 
                 ave(value, group, FUN = max)[match(group.to.use, group)])

df
#   A tibble: 5 x 4
#   value group group.to.use new.value
#  <dbl> <dbl>        <dbl>     <dbl>
#1  5.00  1.00         2.00     12.0 
#2  6.00  2.00         3.00     10.0 
#3  7.00  2.00         3.00     11.0 
#4  3.00  3.00         1.00      8.00
#5  4.00  3.00         1.00      9.00
Источник

Вот вариант с base R

df$new.value <- with(df, value + vapply(group.to.use, function(x)
                            max(value[group == x]), numeric(1)))
df$new.value
#[1] 12 10 11  8  9
Источник
Другие вопросы по тегам