首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

如何在R中使用mutate_at()来更改列?

在R中,可以使用mutate_at()函数来更改列。mutate_at()函数允许我们选择特定的列,并对这些列应用相同的变换操作。

mutate_at()函数的基本语法如下:

代码语言:txt
复制
mutate_at(.tbl, .vars, .funs, ...)

其中,.tbl表示要操作的数据框,.vars表示要选择的列,.funs表示要应用的变换函数,...表示其他参数。

下面是一个示例,演示如何使用mutate_at()函数来更改列:

代码语言:txt
复制
library(dplyr)

# 创建一个示例数据框
df <- data.frame(
  x = c(1, 2, 3),
  y = c(4, 5, 6),
  z = c(7, 8, 9)
)

# 使用mutate_at()函数将选定的列加倍
df <- df %>%
  mutate_at(vars(x, y), ~ . * 2)

# 输出结果
print(df)

运行以上代码,输出结果如下:

代码语言:txt
复制
  x  y z
1 2  8 7
2 4 10 8
3 6 12 9

在这个示例中,我们选择了列x和y,并使用lambda函数将它们的值加倍。最后,我们得到了一个新的数据框df,其中列x和y的值已经加倍。

mutate_at()函数还可以与其他函数组合使用,以实现更复杂的列变换操作。例如,可以使用mutate_at()函数与ifelse()函数结合,根据条件对选定的列进行修改。

总结起来,mutate_at()函数是R中用于更改列的强大工具,它允许我们选择特定的列,并对这些列应用相同的变换操作。通过灵活运用mutate_at()函数,我们可以轻松地对数据框中的多个列进行修改。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

R语言第二章数据处理⑤数据框的转化和计算目录正文

正文 本篇描述了如何计算R的数据框并将其添加到数据框。一般使用dplyr R以下R函数: Mutate():计算新变量并将其添加到数据表。 它保留了现有的变量。...同时还有mutate()和transmutate()的三个变体一次修改多个: Mutate_all()/ transmutate_all():将函数应用于数据框的每个。...Mutate_at()/ transmutate_at():将函数应用于使用字符向量选择的特定 Mutate_if()/ transmutate_if():将函数应用于使用返回TRUE的谓词函数选择的...mutate:通过保留现有变量添加新变量,通过保留现有添加新(sepal_by_petal): library(tidyverse) my_data <- as_tibble(iris) my_data...转换特定 mutate_at():转换按名称选择的特定: my_data2 %>% mutate_at( c("Sepal.Length", "Petal.Width"),

4.1K20

数据处理第2节:将转换为正确的形状

在这些情况下,我们必须在给出round()指令之前添加需要为数字的条件,这可以使用mutate_if完成。 通过使用mutate_if(),我们在管道需要两个参数: 首先,它需要有关的信息。...通过使用mutate_at(),我们在管道需要两个参数: 首先,它需要有关的信息。...如果我想在几分钟内完成,我可以使用mutate_at()并将包含的所有'sleep'包装在vars()。 其次,我在飞行创建一个函数,将每个值乘以60。...例如,在上面的示例,令人困惑的是睡眠列位于不同的单元,您可以通过调用重命名函数来更改它: msleep %>% select(name, sleep_total:awake) %>% mutate_at...重新编码离散 要重命名或重新组织当前的离散,可以在mutate()语句中使用recode():这使您可以更改当前命名,或将当前级别分组到更低级别。

8.1K30

Fama French (FF) 三因子模型和CAPM模型分析股票市场投资组合风险收益可视化

使用tempfile() 基础 R 的 函数来创建一个名为 temp. 这是我们将放置压缩文件的地方。 temp <- tempfile() R 创建了一个名为的临时文件 temp 。...vars()函数的操作与select()函数类似,我们可以通过在date前面加一个负号告诉它对所有进行操作,除了date。...但是,请注意 FF 使用当月的第一天,而我们的投资组合收益使用的是当月的最后一天。这会将每月日期回滚到上个月的最后一天。我们 FF 数据的第一个日期是“1990-07-01”。让我们回滚。...还将FF数据转换为十进制,并创建了一个名为R\_excess的新,保存高于无风险利率的收益。...CAPM 使用简单的线性回归,而 FF 使用具有许多自变量的多元回归。因此,我们的 3 因子 FF 方程为 lm(R_excess ~ MKT_RF + SMB + HML。

3.8K30

何在 MSBuild 中正确使用 % 引用每一个项(Item)的元数据

MSBuild 写在 的每一项是一个 Item,Item 除了可以使用 Include/Update/Remove 增删之外,还可以定义其他的元数据(Metadata)...使用 % 可以引用 Item 的元数据,本文将介绍如何正确使用 % 引用每一个项的元数据。...---- 定义 Item 的元数据 就像下面这样,当引用一个 NuGet 包时,可以额外使用 Version 指定应该使用哪个特定版本的 NuGet 包。...为了简单说明 % 的用法,我将已收集到的所有的元数据和它的本体一起输出到一个文件。这样,后续的编译过程可以直接使用这个文件获得所有的项和你希望关心它的所有元数据。...写文件,将以上拼接出来的每一项写入到文件的每一行; 执行工具程序,这个程序将使用这个文件执行自定义的编译。

25910

0765-7.0.3-如何在Kerberos环境下用Ranger对Hive使用自定义UDF脱敏

文档编写目的 在前面的文章中介绍了用Ranger对Hive的行进行过滤以及针对进行脱敏,在生产环境中有时候会有脱敏条件无法满足的时候,那么就需要使用自定义的UDF进行脱敏,本文档介绍如何在Ranger...配置使用自定义的UDF进行Hive的脱敏。...测试环境 1.操作系统Redhat7.6 2.CDP DC7.0.3 3.集群已启用Kerberos 4.使用root用户操作 使用自定义UDF进行脱敏 2.1 授予表的权限给用户 1.在Ranger创建策略...6.再次使用测试用户进行验证,使用UDF函数成功 ? 2.3 配置使用自定义的UDF进行列脱敏 1.配置脱敏策略,使用自定义UDF的方式对phone进行脱敏 ? ?...3.在配置脱敏策略时,方式选择Custom,在输入框填入UDF函数的使用方式即可,例如:function_name(arg)

4.9K30

R」dplyr 列式计算

❝在近期使用 「dplyr」 进行多选择性操作, 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...它使用 tidy 选择语法(像 select() 那样),因此你可以按照位置、名字和类型选择变量。..._at() 函数是 「dplyr」 唯一你需要手动引用变量名的地方,这让它们比较奇怪且难以记忆。 为什么过了这么久才发现 across()?...这是由 base R 提供的,但它并没有很好的文档,我们花了一段时间才发现它是有用的,而不仅仅是理论上的好奇。 我们可以使用数据框让汇总函数返回多。...我们可以使用没有外部名称作为将数据框解包为单独的约定。 你如何转移已经存在的代码?

2.4K10

Nature图表解读|系统发育树循环添加背景

论文 论文原图 图形解读 此图使用门水平的信息进行绘制 1.根据OTU丰度表+注释表可以获得每一个门水平的包含的OTU信息 2.根据需要在门水平下选取一定量的OTU编号 3.进化树的构建则根据选取的...❝完成上述操作后就得到了基础的树图,但是由于我们是根据已有的分组信息对OTU添加背景条带,此时若是使用「geom_strip」函数来添加条带则会比较麻烦,因此通过循环添加则比较便捷。...❞ 加载R包 library(tidyverse) library(treeio) library(ape) library(magrittr) library(ggtree) 数据清洗 otu <-...taxonomy, into=c("domain","phylum","class","order","family","genus","species"),sep=";") %>% mutate_at...rownames_to_column(var="ASV") %>% select(ASV,phylum) df %>% pull(phylum) %>% unique() 提取ASV-id # 使用

39050

何在Weka中加载CSV机器学习数据

何在Weka描述数据 机器学习算法主要被设计为与数组阵列一起工作。 这被称为表格化或结构化数据,因为数据在由行和组成的电子表格中看起来就是这样。...属性(Attribute):一数据被称为一个特征或属性,就像在观察的特征那样。 每个属性可以有不同的类型,例如: 实数(Real)表示数值,1.2。...二维表格存储ARFF文件。译者注) ARFF是表示属性关系文件格式的首字母缩略词。它是使用标题的CSV文件格式的扩展,提供有关数据类型的元数据。...使用Excel的其他文件格式 如果您有其他格式的数据,请先将其加载到Microsoft Excel。 以另一种格式(CSV)这样使用不同的分隔符或固定宽度字段获取数据是很常见的。...Excel有强大的工具加载各种格式的表格数据。使用这些工具,并首先将您的数据加载到Excel。 将数据加载到Excel后,可以将其导出为CSV格式。

8.3K100

何在 Linux 列出 Systemd 下所有正在运行的服务

Linux系统提供多种系统服务(进程管理、登录、syslog、cron等)和网络服务(远程登录、电子邮件、打印机、虚拟主机、数据存储、文件传输、域名解析等) (使用 DNS)、动态 IP 地址分配(...Linux 支持不同的方式管理(启动、停止、重新启动、在系统启动时启用自动启动等)服务,通常是通过进程或服务管理器。...在本指南[1],我们将演示如何在 Linux 列出 systemd 下所有正在运行的服务。...alias running_services='systemctl list-units --type=service --state=running' 保存文件更改并关闭它。...在本指南中,我们演示了如何在 Linux 查看 systemd 下正在运行的服务。我们还介绍了如何检查正在侦听的端口服务以及如何查看在系统防火墙打开的服务或端口。

24520

Pyinotify – Linux实时监控文件系统更改

Pyinotify 是一个简单而实用的 Python 模块,它用于通过 inotify 实时监控Linux文件系统的更改。用于在Linux实时监控文件系统的变化。...作为系统管理员,您可以使用监视目标感兴趣的更改Web目录或应用程序数据存储目录及其他目录。...在本文中,我们将向您展示如何在Linux安装和使用pyinotify实时监控文件系统更改或修改。...或更高版本 Python 2.4或更高版本 如何在Linux安装Pyinotify 首先检查系统上安装的内核和Python版本,如下所示: # uname -r # python -V 一旦满足依赖关系...Linux中使用pyinotify 在下面的示例,我以root用户(通过ssh登录)监视用户 jchen 的home( / home/jchen )目录的任何更改屏幕截图所示: # python

3.2K20

专家指南:大数据数据建模的常见问题

最近在How-tos专家系列介绍了如何在大数据系统上数据建模 。在演讲过程,许多与会者提出了一些非常有趣的问题。...在大数据环境,是否可以使用任何建模技术提高查询性能? 为了提高查询性能,这取决于您使用的工具。以下准则可以帮助您: 1) 确保为最终用户的查询选择最佳存储。...我知道我们如何在生产系统的关系数据库管理模式版本控制。处理大数据建模时版本控制是否有所不同? 数据建模版本控制与传统环境的版本控制没有什么不同。...例如,在Parquet和ORC,仅添加一个新非常容易,但删除它并不容易。更改数据类型可能需要一个函数来转换存储的数据(字符串到整数)。通常,如果您要进行重大更改,则可能必须重新创建维度或事实表。...但是,就像关系系统一样,可以使用一些技术使它变得更容易:就像不用更改数据类型,只需添加具有新数据类型的新即可。

1.1K20

专家指南:大数据数据建模的常见问题

图片 1.png 我最近在How-tos专家系列介绍了如何在大数据系统上数据建模。在演讲过程,许多与会者提出了一些非常有趣的问题。...在大数据环境,是否可以使用任何建模技术提高查询性能? 为了提高查询性能,这取决于您使用的工具。以下准则可以帮助您: 1) 确保为最终用户的查询选择最佳存储。...我知道我们如何在生产系统的关系数据库管理模式版本控制。处理大数据建模时版本控制是否有所不同? 数据建模版本控制与传统环境的版本控制没有什么不同。...例如,在Parquet和ORC,仅添加一个新非常容易,但删除它并不容易。更改数据类型可能需要一个函数来转换存储的数据(字符串到整数)。通常,如果您要进行重大更改,则可能必须重新创建维度或事实表。...但是,就像关系系统一样,可以使用一些技术使它变得更容易:就像不用更改数据类型,只需添加具有新数据类型的新即可。

88100

SparkR:数据科学家的新利器

RDD API 用户使用SparkR RDD API在R创建RDD,并在RDD上执行各种操作。...Scala API RDD的每个分区的数据由iterator表示和访问,而在SparkR RDD,每个分区的数据用一个list表示,应用到分区的转换操作,mapPartitions(),接收到的分区数据是一个...使用R或Python的DataFrame API能获得和Scala近乎相同的性能。而使用R或Python的RDD API的性能比起Scala RDD API有较大的性能差距。...数据过滤:filter(), where() 排序:sortDF(), orderBy() 操作:增加- withColumn(),列名更改- withColumnRenamed(),选择若干 -...为了更符合R用户的习惯,SparkR还支持用$、[]、[[]]操作符选择,可以用$ <- 的语法增加、修改和删除 RDD map类操作:lapply()/map(),flatMap(),lapplyPartition

4.1K20

【数据科学家】SparkR:数据科学家的新利器

RDD API 用户使用SparkR RDD API在R创建RDD,并在RDD上执行各种操作。...Scala API RDD的每个分区的数据由iterator表示和访问,而在SparkR RDD,每个分区的数据用一个list表示,应用到分区的转换操作,mapPartitions(),接收到的分区数据是一个...使用R或Python的DataFrame API能获得和Scala近乎相同的性能。而使用R或Python的RDD API的性能比起Scala RDD API有较大的性能差距。...数据过滤:filter(), where() 排序:sortDF(), orderBy() 操作:增加- withColumn(),列名更改- withColumnRenamed(),选择若干 -...为了更符合R用户的习惯,SparkR还支持用$、[]、[[]]操作符选择,可以用$ <- 的语法增加、修改和删除 RDD map类操作:lapply()/map(),flatMap(),lapplyPartition

3.5K100

Python:创建虚拟环境

在软件和系统架构领域,尤其是作为运维开发工程师,掌握如何在Python项目中创建和管理虚拟环境是一项重要的技能。...本文将详细介绍如何在Python 3创建和使用虚拟环境,这对于隔离项目依赖、维护清洁的开发环境以及促进团队合作至关重要。 一、虚拟环境的重要性 在深入了解如何创建虚拟环境之前,我们需要理解其重要性。...创建新的虚拟环境 选择一个适当的地方创建你的虚拟环境。然后运行以下命令: bash python3 -m venv myenv 这里myenv是我们的虚拟环境名称。我们可以根据需要更改它。...install requests 退出虚拟环境 当我们完成工作并想要退出虚拟环境时,只需运行: bash deactivate 四、管理依赖 为了方便团队合作和项目的一致性,我们建议将项目的依赖项在一个...这样,其他开发人员可以通过以下命令安装所有依赖: bash pip install -r requirements.txt 五、总结 虚拟环境是Python项目开发的一个重要组成部分,它有助于项目依赖的管理和团队协作的高效性

25010

基于 mlr 包的逻辑回归算法介绍与实践(上)

该过程 Fig 8 所示。 Fig 8. 多项逻辑回归过程 2. 建立逻辑回归模型 在此,我们建立一个二项逻辑回归模型预测一名乘客是否能在泰坦尼克号灾难幸存下来。...加载包: library(mlr) library(tidyverse) 注:R 警告信息:自 2019 年 7 月以来,mlr 处于“仅维护”模式。...gather() 函数将数据转化为 untidy 形式:每个预测变量名保存在一,它们的值保存在另一。...第二种选择是使用一些算法估计那些缺失值,用这些估计值替换 NA,并使用这个新数据集训练模型。估计缺失值的方法有很多种,例如均值插补,也就是取缺失数据变量的均值,用它替换缺失值。...在本例,由于年龄缺失值较多,故使用第二种处理缺失值的方法。

2.3K20
领券