rowwise() 允许您在数据帧上计算row-at-a-time。当向量化函数不存在时，这是最有用的。
大多数 dplyr 动词保留按行分组。例外是 summarise() ，它返回 grouped_df 。您可以使用 ungroup() 或 as_tibble() 显式取消分组，或使用 group_by() 转换为 grouped_df 。
参数
- data
-
输入 DataFrame 。
- ...
-
<
tidy-select> 调用summarise()时要保留的变量。这通常是一组变量，其组合唯一地标识每一行。注意：与
group_by()不同，您不能在此处创建新变量，但您可以使用(例如)everything()选择多个变量。
列表列
因为 rowwise 每组只有一行，所以它为处理列表列提供了一点便利。通常， summarise() 和 mutate() 会使用 [ 提取一组数据。但是当你以这种方式索引一个列表时，你会得到另一个列表。当您使用 rowwise tibble 时，dplyr 将使用 [[ 而不是 [ 让您的生活更轻松。
也可以看看
nest_by() 用于使用嵌套数据创建行式 DataFrame 的便捷方法。
例子
df <- tibble(x = runif(6), y = runif(6), z = runif(6))
# Compute the mean of x, y, z in each row
df %>% rowwise() %>% mutate(m = mean(c(x, y, z)))
#> # A tibble: 6 × 4
#> # Rowwise:
#> x y z m
#> <dbl> <dbl> <dbl> <dbl>
#> 1 0.922 0.476 0.211 0.536
#> 2 0.139 0.552 0.0723 0.254
#> 3 0.197 0.879 0.611 0.563
#> 4 0.228 0.778 0.251 0.419
#> 5 0.960 0.0823 0.401 0.481
#> 6 0.283 0.968 0.551 0.601
# use c_across() to more easily select many variables
df %>% rowwise() %>% mutate(m = mean(c_across(x:z)))
#> # A tibble: 6 × 4
#> # Rowwise:
#> x y z m
#> <dbl> <dbl> <dbl> <dbl>
#> 1 0.922 0.476 0.211 0.536
#> 2 0.139 0.552 0.0723 0.254
#> 3 0.197 0.879 0.611 0.563
#> 4 0.228 0.778 0.251 0.419
#> 5 0.960 0.0823 0.401 0.481
#> 6 0.283 0.968 0.551 0.601
# Compute the minimum of x and y in each row
df %>% rowwise() %>% mutate(m = min(c(x, y, z)))
#> # A tibble: 6 × 4
#> # Rowwise:
#> x y z m
#> <dbl> <dbl> <dbl> <dbl>
#> 1 0.922 0.476 0.211 0.211
#> 2 0.139 0.552 0.0723 0.0723
#> 3 0.197 0.879 0.611 0.197
#> 4 0.228 0.778 0.251 0.228
#> 5 0.960 0.0823 0.401 0.0823
#> 6 0.283 0.968 0.551 0.283
# In this case you can use an existing vectorised function:
df %>% mutate(m = pmin(x, y, z))
#> # A tibble: 6 × 4
#> x y z m
#> <dbl> <dbl> <dbl> <dbl>
#> 1 0.922 0.476 0.211 0.211
#> 2 0.139 0.552 0.0723 0.0723
#> 3 0.197 0.879 0.611 0.197
#> 4 0.228 0.778 0.251 0.228
#> 5 0.960 0.0823 0.401 0.0823
#> 6 0.283 0.968 0.551 0.283
# Where these functions exist they'll be much faster than rowwise
# so be on the lookout for them.
# rowwise() is also useful when doing simulations
params <- tribble(
~sim, ~n, ~mean, ~sd,
1, 1, 1, 1,
2, 2, 2, 4,
3, 3, -1, 2
)
# Here I supply variables to preserve after the computation
params %>%
rowwise(sim) %>%
reframe(z = rnorm(n, mean, sd))
#> # A tibble: 6 × 2
#> sim z
#> <dbl> <dbl>
#> 1 1 2.34
#> 2 2 -1.41
#> 3 2 -2.60
#> 4 3 0.983
#> 5 3 2.00
#> 6 3 0.394
# If you want one row per simulation, put the results in a list()
params %>%
rowwise(sim) %>%
summarise(z = list(rnorm(n, mean, sd)), .groups = "keep")
#> # A tibble: 3 × 2
#> # Groups: sim [3]
#> sim z
#> <dbl> <list>
#> 1 1 <dbl [1]>
#> 2 2 <dbl [2]>
#> 3 3 <dbl [3]>
相关用法
- R dplyr row_number 整数排名函数
- R dplyr rows 操作单独的行
- R dplyr recode 重新编码值
- R dplyr rename 重命名列
- R dplyr relocate 更改列顺序
- R dplyr reframe 将每个组转换为任意数量的行
- R dplyr group_trim 修剪分组结构
- R dplyr slice 使用行的位置对行进行子集化
- R dplyr copy_to 将本地数据帧复制到远程src
- R dplyr sample_n 从表中采样 n 行
- R dplyr consecutive_id 为连续组合生成唯一标识符
- R dplyr band_members 乐队成员
- R dplyr mutate-joins 变异连接
- R dplyr nth 从向量中提取第一个、最后一个或第 n 个值
- R dplyr coalesce 找到第一个非缺失元素
- R dplyr group_split 按组分割 DataFrame
- R dplyr mutate 创建、修改和删除列
- R dplyr order_by 用于排序窗口函数输出的辅助函数
- R dplyr context 有关“当前”组或变量的信息
- R dplyr percent_rank 比例排名函数
- R dplyr starwars 星球大战人物
- R dplyr desc 降序
- R dplyr between 检测值落在指定范围内的位置
- R dplyr cumall 任何、全部和平均值的累积版本
- R dplyr group_map 对每个组应用一个函数
注：本文由纯净天空筛选整理自Hadley Wickham等大神的英文原创作品 Group input by rows。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。