如何在dplyr管道中将指定列转换为占比(1对应100%)
dplyr管道中实现指定列转换为列占比的方法
需求描述
需要找到一种简洁的实现方法,将全部或指定子集的列转换为占比(即比值形式,100%对应数值1)。该需求在base R中实现很简单,但希望可以将其无缝集成到dplyr管道中,更倾向使用列名指定要转换的列,而非使用-1这类数字索引。
原始示例代码
library(dplyr) library(tidyr) library(ggplot2) library(scales) set.seed(123) df <- data.frame(Species = c("A", "B", "C"), Loc_1 = sample(1:10, 3), Loc_2 = sample(1:10, 3), Loc_3 = sample(1:10, 3) ) # 待替换的base R实现,使用了数字索引-1 df[,-1] <- t(t(df[,-1]) / colSums(df[-1])) # 后续分析流程 df %>% pivot_longer(cols=-1, names_to="Location", values_to="Abundance") %>% ggplot(aes(Location, Abundance, fill=Species)) + geom_bar(stat="identity") + xlab("") + ylab("Percentage") + scale_y_continuous(labels = percent)
dplyr等价实现(无数字索引)
使用dplyr 1.0.0及以上版本支持的across()函数即可实现,支持多种列选择方式,完全不需要数字索引:
# 方法1:按列名前缀匹配选择要转换的列 df_pct <- df %>% mutate(across(starts_with("Loc_"), ~.x / sum(.x))) # 方法2:显式指定要转换的列名 df_pct <- df %>% mutate(across(c(Loc_1, Loc_2, Loc_3), ~.x / sum(.x))) # 方法3:转换除指定列外的所有列(对应原逻辑的排除Species列) df_pct <- df %>% mutate(across(!Species, ~.x / sum(.x)))
代码说明
- 上述三种写法的计算结果和提供的base R实现完全一致
across()会自动逐列执行匿名函数~.x / sum(.x),也就是将列内每个值除以该列的总和,得到该值在列内的占比- 可以根据实际场景灵活选择列匹配规则:
starts_with()/ends_with()/contains()适合批量匹配同规则列,!列名适合排除少数非计算列,显式写列名适合固定要计算的列的场景
完整管道流程
可以直接将占比转换步骤无缝嵌入到原有的分析管道中,不需要额外的赋值操作:
df %>% # 直接在管道内完成占比转换 mutate(across(!Species, ~.x / sum(.x))) %>% pivot_longer(cols = !Species, names_to = "Location", values_to = "Abundance") %>% ggplot(aes(Location, Abundance, fill = Species)) + geom_bar(stat = "identity") + xlab("") + ylab("Percentage") + scale_y_continuous(labels = percent)
内容的提问来源于stack exchange,提问作者tpetzoldt
相关产品推荐
相关产品推荐

