-1

在 pandas 中，我经常使用这样的自定义函数执行逐行操作：

df = pd.DataFrame({'v1': [1, 2, 3], 'v2': [3, 4, 6], 'v3': [3, 4, 5]})

def f(row):
    return(sum(row[["v1", "v3"]]) if row.v2 == 3 else 7)

df["new_col"] = df.apply(f, 1)

dplyr 中的等价物是什么？

请注意，函数 f 可能会使用许多变量，而不仅仅是 v1-v3，因此我不想在调用函数时将它们全部命名。

编辑：我目前在 R 中的示例代码。在这个解决方案中，我传递了一个代词对象，我怀疑它是否合适。

d <- tibble(v1 = c(1,2,3), v2 = c(3,4,6), v3 = c(3,4,5))

f <- function(row){
  if (row$v2 == 3) sum(something?) else 7
}

d %>% rowwise() %>% mutate(new_column = f(.data)) %>% ungroup()

编辑2：预期输出。（索引列不重要）

   v1  v2  v3  new_col
0   1   3   3        4
1   2   4   4        7
2   3   6   5        7

注意：我不是在寻找解决这个特定问题的方法。我对将行传递给 R / dplyr 中的函数的一般方法感兴趣，就像在 pandas 中的 apply() 一样。

4

3 回答 3

1

如果您有一组包含完善的列，那么我建议您的函数只关注单个向量，而不是单行帧。

library(dplyr)
d <- tibble(v1 = c(1,2,3), v2 = c(3,4,6), v3 = c(3,4,5))
f <- function(v1, v2, v3) ifelse(v2 == 3, v1 + v3, 7)
d %>% rowwise() %>% mutate(new_column = f(v1, v2, v3)) %>% ungroup()
# # A tibble: 3 x 4
#      v1    v2    v3 new_column
#   <dbl> <dbl> <dbl>      <dbl>
# 1     1     3     3          4
# 2     2     4     4          7
# 3     3     6     5          7

我ifelse防御性地使用了“以防万一”，它曾经用于组而不是行。如果您将函数定义为

f <- function(v1, v2, v3) if (v2 == 3) v1+v3 else 7

事实上，如果您的现实世界逻辑并不复杂，那么这不需要rowwise()并且因此会明显更快。（但我不知道你的真正需求。）

选择：

d %>% mutate(new_column = purrr::pmap_dbl(list(v1,v2,v3), f))
于 2018-12-21T16:44:07.860 回答
1

将整行作为数据帧传递给函数的等效 dplyr 代码可能是：

library(tidyverse)

df <- tibble(v1 = c(1, 2, 3), v2 = c(4, 5, 6), v3 = c(7, 8, 9))

f <- function(row){
  if (row$v2 == 3){
    return(sum(row$v1, row$v3))
  }else{
    return(7)
  }
}

df %>% 
  rowwise() %>% 
  do(row = as_data_frame(.)) %>%
  mutate(new_col = f(row)) %>% 
  unnest()

出去：

# A tibble: 3 x 4
  new_col    v1    v2    v3
    <dbl> <dbl> <dbl> <dbl>
1       4     1     3     3
2       7     2     4     4
3       7     3     6     5
于 2018-12-21T16:26:20.413 回答
0 
df %>% mutate(new_col=with(.,case_when(v2 != 3 ~ 7,v2 == 3 ~ (v1 + v3))))

输出

 v1 v2 v3 new_col
1  1  3  3       4
2  2  4  4       7
3  3  6  5       7
于 2018-12-21T17:11:14.370 回答