问题标签 [rowwise]

I have a data.frame that contains 4 columns (given below). I want to find the index of the minimum column (NOT THE VALUE) for each row. Any idea hiw to achieve that?

So I want the following output:

which continues for all the rows. Thanks

我想对矩阵中的每一行进行 t 检验。矩阵如下所示：

如您所见，数据存在两个问题。第一个是它包含NAs，第二个是在某些行中没有足够的数据 - 整行中只有一个值。

你知道有什么方法可以避免这个问题吗？我想创建一个首先忽略的函数，NAs如果该行中只有 1 个值，它应该NA作为 t 检验的输出给出。

我通常使用pi0包中的功能 -matrix.t.test

我是 R 新手，我正在尝试编写一个函数，该函数将逐行添加数据框的条目，并返回数据框

1. 新行总和的一列
2. 该列命名。

这是我的数据的示例df：

当我直接尝试以下代码时，列会根据需要按行求和：

新的_df

但是当我尝试使用我的函数代码时， rowwise() 似乎不起作用。我的功能代码是：

这导致

坏_df

.

我不明白为什么函数的核心在它之外起作用，而不在内部起作用。我还尝试将 df.in 传递到 rowsum() ，如下所示：

但这并不能解决问题。

至于命名新列，我尝试通过添加名称作为参数来这样做，但没有任何成功。对此有什么想法？

任何帮助表示赞赏！

我有一个数据框：

和一个系列，它指定我想要从每一行中获得的前 N ​​个值的数量

Panda 使用df和n_max查找每个元素中最大的 N 个元素的方法是什么（通过随机选择打破关系，就像.nlargest()会做的那样）？

所需的输出是

我知道如何在所有行中使用统一/固定的 N（例如，N=4）来做到这一点。注意第 3 行的平局：

但是，目标再次是具有特定于行的N. 循环遍历每一行显然不算数（出于性能原因）。而且我尝试过.rank()戴上面具，但打破平局在那里不起作用......

假设你有这样一个data.frame：

必须通过这些列索引逐行过滤：

所以预期的输出应该是这样的：

显然，使用以下方法不是解决方案。

到目前为止，我正在使用一种可行的方法：

但我想知道是否有更优雅的解决方案？

我想将一个函数应用于匹配两个不同子字符串的选定列。我发现这篇文章与我的问题有关，但我无法从那里得到答案。

这是我失败的尝试的可重现示例。为了这个例子，我想做一个逐行操作，对所有以 string 开头的列的值求和，v并从所有以f.

更新：建议的解决方案必须（a）使用:=运算符来充分利用data.table快速性能，以及（2）对其他操作灵活，而不是meanand sum，我在这里使用它只是为了简单起见

到目前为止，我一直在成功使用上一个问题中提供的 rowwise() 示例的变体，但是通过 dplyr 0.7 更新，我得到了不同的输出，如下所示：

结果以前是逐行的最小值和最大值，现在它们是每列的最小值和最大值。

我检查了 dplyr 发行说明，但没有发现任何相关点。

在最新版本的 dplyr 中，rowwise() 的使用是否已更改（或已删除多余的使用），如果是这样，任何人都可以建议我如何修改我的原始代码？

谢谢！

我正在尝试获取数据框中每一行的最短时间。我不知道我将选择的列的名称，但我知道它们将是第一列到第五列：

.[[1]]在按行模式下，列表示法是否应该返回所有值？我也尝试过在 Student.ID 上分组而不是按行分组，但这没有任何区别

如何让这段代码更整洁？

这pmf()是一个辅助函数。

此代码从每行获取平均值和标准差，并返回每个 bin 的概率质量函数 (PMF)。

所以这

变成这个

在我bind_cols()用来添加输出之后。

我尝试了以下（使用相同的pmf()辅助函数）。

但它将 PMF 作为列表返回。我希望 PMF 连续。这对我不起作用，因为下游我需要在每列的行中应用一个函数V#。

是否有可能使这个计算更整洁？

FWIW，这是完整的计算。

我在做矩阵计算时遇到问题，请你解释一下。非常感谢您！

我有一个数据框genderLocation和一个矩阵测试，它们与索引相互对应

性别位置[,1:6]

测试

现在我想聚合性别位置，计算矩阵测试中相应数字的平均值。以 156043 行为例，结果应该是

我不知道如何使用 apply 系列来做到这一点（因为不建议在 R 中使用 for 循环）。这似乎是

但我无法理解结果，如果仅限于前 2 行，似乎可以理解。