r - 结合选择和变异

通常，我发现自己在dplyr中手动组合了select()和mutate()函数。这通常是因为我正在整理数据框，想基于旧列创建新列，而只想保留新列。

例如，如果我有关于高度和宽度的数据，但只想使用它们来计算和保留面积，那么我将使用:

library(dplyr)
df <- data.frame(height = 1:3, width = 10:12)

df %>%
  mutate(area = height * width) %>%
  select(area)

当在mutate步骤中创建许多变量时，很难确保它们都在select步骤中。有没有更优雅的方法来仅保留在mutate步骤中定义的变量？

我一直在使用的一种解决方法是:

df %>%
  mutate(id = row_number()) %>%
  group_by(id) %>%
  summarise(area = height * width) %>%
  ungroup() %>%
  select(-id)

这可行，但是非常冗长，并且使用summarise()意味着性能受到了影响:

library(microbenchmark)

microbenchmark(

  df %>%
    mutate(area = height * width) %>%
    select(area),

  df %>%
    mutate(id = row_number()) %>%
    group_by(id) %>%
    summarise(area = height * width) %>%
    ungroup() %>%
    select(-id)
)

输出:

      min       lq     mean   median       uq      max neval cld
  868.822  954.053 1258.328 1147.050 1363.251 4369.544   100  a
 1897.396 1958.754 2319.545 2247.022 2549.124 4025.050   100   b

我在想还有另一种解决方法，您可以将原始数据框名称与新数据框名称进行比较，并采用正确的补码，但是也许有更好的方法吗？

我觉得我在dplyr文档中确实缺少一些明显的东西，如果这很简单，我们深表歉意!

最佳答案

只需创建将两个步骤结合在一起的自己的函数:

mutate_only = function (.data, ...) {
    names = names(match.call(expand.dots = FALSE)$...)
    .data %>% mutate(...) %>% select(one_of(names))
}

这需要一些工作才能正常进行标准评估。不幸的是，目前dplyr API正在发展中，因此我不知道几周后对此的建议。因此，我将仅引用relevant documentation。