rowwise() 允許您在數據幀上計算row-at-a-time。當向量化函數不存在時，這是最有用的。
大多數 dplyr 動詞保留按行分組。例外是 summarise() ，它返回 grouped_df 。您可以使用 ungroup() 或 as_tibble() 顯式取消分組，或使用 group_by() 轉換為 grouped_df 。
參數
- data
-
輸入 DataFrame 。
- ...
-
<
tidy-select> 調用summarise()時要保留的變量。這通常是一組變量，其組合唯一地標識每一行。注意：與
group_by()不同，您不能在此處創建新變量，但您可以使用(例如)everything()選擇多個變量。
列表列
因為 rowwise 每組隻有一行，所以它為處理列表列提供了一點便利。通常， summarise() 和 mutate() 會使用 [ 提取一組數據。但是當你以這種方式索引一個列表時，你會得到另一個列表。當您使用 rowwise tibble 時，dplyr 將使用 [[ 而不是 [ 讓您的生活更輕鬆。
也可以看看
nest_by() 用於使用嵌套數據創建行式 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]>
相關用法
- R dplyr row_number 整數排名函數
- R dplyr rows 操作單獨的行
- R dplyr recode 重新編碼值
- R dplyr rename 重命名列
- R dplyr relocate 更改列順序
- R dplyr reframe 將每個組轉換為任意數量的行
- R dplyr group_trim 修剪分組結構
- R dplyr slice 使用行的位置對行進行子集化
- R dplyr copy_to 將本地數據幀複製到遠程src
- R dplyr sample_n 從表中采樣 n 行
- R dplyr consecutive_id 為連續組合生成唯一標識符
- R dplyr band_members 樂隊成員
- R dplyr mutate-joins 變異連接
- R dplyr nth 從向量中提取第一個、最後一個或第 n 個值
- R dplyr coalesce 找到第一個非缺失元素
- R dplyr group_split 按組分割 DataFrame
- R dplyr mutate 創建、修改和刪除列
- R dplyr order_by 用於排序窗口函數輸出的輔助函數
- R dplyr context 有關“當前”組或變量的信息
- R dplyr percent_rank 比例排名函數
- R dplyr starwars 星球大戰人物
- R dplyr desc 降序
- R dplyr between 檢測值落在指定範圍內的位置
- R dplyr cumall 任何、全部和平均值的累積版本
- R dplyr group_map 對每個組應用一個函數
注：本文由純淨天空篩選整理自Hadley Wickham等大神的英文原創作品 Group input by rows。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。