Mutate_at()/ transmutate_at():将函数应用于使用字符向量选择的特定列 Mutate_if()/ transmutate_if():将函数应用于使用返回TRUE的谓词函数选择的列...Petal.Length, sepal_by_petal_w = Sepal.Width/Petal.Width ) 一次修改多个列 函数mutate_all()/ transmutate_all(),mutate_at...简化格式如下: # Mutate variants mutate_all(.tbl, .funs, ...) mutate_if(.tbl, .predicate, .funs, ...) mutate_at...转换特定列 mutate_at():转换按名称选择的特定列: my_data2 %>% mutate_at( c("Sepal.Length", "Petal.Width"),
taxonomy, into=c("domain","phylum","class","order","family","genus","species"),sep=";") %>% mutate_at
*mutate_at()要求你在vars()参数中指定要进行变异的列。 Mutate全部列 mutate_all()版本是最容易理解的,在清理数据时非常漂亮。...如果我想在几分钟内完成,我可以使用mutate_at()并将包含列的所有'sleep'包装在vars()中。 其次,我在飞行中创建一个函数,将每个值乘以60。...msleep %>% select(name, sleep_total:awake) %>% mutate_at(vars(contains("sleep")), ~(.*60)) ## #...例如,在上面的示例中,令人困惑的是睡眠列位于不同的单元中,您可以通过调用重命名函数来更改它: msleep %>% select(name, sleep_total:awake) %>% mutate_at...msleep %>% select(name, sleep_total:awake) %>% mutate_at(vars(contains("sleep")), funs(min = .*60
以上用到的代码和示例数据都可以在推文开头提到链接里找到 上面的代码有一步是对TPM值 加1然后取log10,他的实现方式是先将宽格式数据转换为长格式,然后把取log10后的长格式再转换为宽格式,这里我没能还可以借助mutate_at...()函数 Exp_table %>% select(1,2,3) %>% rename("gene_id"="...1") %>% mutate_at(vars(starts_with("SRR
,var)) %>% ggplot(aes(x=var,y=value))+ geom_col(aes(fill=var)) image.png 指定列大小写转换 df %>% mutate_at
Gloa\_3\_Fars <- read_csv(unz %>% rename%>% mutate_at head(Gloa\_3\_Fars ) 现在我们的因子有了数字数据,日期列有更好的标签...Gll\_3\_ts <- read_csv %>% rename %>% mutate_at%>% mutate head(Gll\_3\_ts ) 日期格式很重要,因为我们想要修剪...Glb3Ftos <- read_csv(unz %>% rename%>% mutate_at %>% mutate) + months) %>% filte head
返回列表 mutate(num = str_match_all(x, "\\d")) %>% # 将返回的列表还原为数据框 unnest(num) %>% # 对提取的的数字转换为数字 mutate_at
2022_2116_MOESM5_ESM.xlsx") %>% select(1,2,3,group_2) %>% rownames_to_column(var="ID") %>% mutate_at
library(dplyr)) library(scales) library(tibble) mtcars %>% rownames_to_column( var = "group" ) %>% mutate_at
pfam % select(1,4,5,6,12) %>% filter(X12 % mutate_at
0.33647224 -1.60943791 setosa 3 1.547563 1.1631508 0.26236426 -1.60943791 setosa mutate_at...(.tbl, .cols, .funs, ...)把函数应用到数据框指定的列 举例:vars(-Species)表示除了这列,对其他的进行运算 > mutate_at(iris, vars(-Species
bodywt 50, 0, 1, 0, 600, 4, 20, 0, 14, 15, 34, 1, 5, 0, 0, 1, 0,… 如果我们想要针对列名而不是数据进行变换,可以使用 mutate_at...,比如我们想把包含 sleep 的列都乘以60,即用 分钟来表示时长; msleep %>% + mutate_at(vars(contains('sleep')),~(.*60)) %>% glimpse
❝在近期使用 「dplyr」 进行多列选择性操作,如 mutate_at() 时,发现文档提示一系列的 「dplyr」 函数变体已经过期,看来后续要退休了,使用 across() 是它们的统一替代品,所以最近抽时间针对性的学习和翻译下...is.numeric, mean, na.rm = TRUE) # -> df %>% mutate(across(where(is.numeric), mean, na.rm = TRUE)) df %>% mutate_at...这与 mutate_if()、mutate_at() 和 mutate_all() 不同,后者一次只完成一个转换。
rm(list=ls()) data <- read.csv('data.csv', header = T) head(data) str(data) rt % mutate_at
mtcars_long % as_tibble(rownames = "car name") %>% mutate_at(vars(- `car name`,-hp,
package = "titanic")#加载数据测试集 titanicNew <- as_tibble(titanic_test) titanicNewClean % mutate_at
泰坦尼克号数据清理代码如下: fctrs <- c("Survived", "Sex", "Pclass")#定义将要转换为因子的变量的向量 titanicClean % mutate_at
Sepal.Width_cm , Petal.Length_cm , ## # Petal.Width_cm # 对特定的变量计算 my_data2 %>% mutate_at
领取专属 10元无门槛券
手把手带您无忧上云