如何使用 across 和 .named 参数将此基本 R 代码转换为 dplyr

Question

我有这个数据框：

df <- structure(list(A = c(2L, 3L, 4L, 5L, 5L), B = c(3L, 1L, 2L, 5L, 
5L), C = c(4L, 5L, 2L, 1L, 1L), D = c(3L, 1L, 5L, 1L, 2L)), class = c("tbl_df", 
"tbl", "data.frame"), row.names = c(NA, -5L))

      A     B     C     D
  <int> <int> <int> <int>
1     2     3     4     3
2     3     1     5     1
3     4     2     2     5
4     5     5     1     1
5     5     5     1     2

我想用下一列减去每一列！

我可以使用这里的基本 R 代码来做到这一点 :

df[-1] - df[-ncol(df)]

   B  C  D
1  1  1 -1
2 -2  4 -4
3 -2  0  3
4  0 -4  0
5  0 -4  1

由于 .names 参数，我想使用 across，因此将此代码转换为 dplyr

预期输出：

  A B C D B-A C-B D-C
1 2 3 4 3   1   1  -1
2 3 1 5 1  -2   4  -4
3 4 2 2 5  -2   0   3
4 5 5 1 1   0  -4   0
5 5 5 1 2   0  -4   1

我的第一次尝试：

library(dplyr)
df %>% 
  mutate(across(everything(), ~df[-1] - df[-ncol(df)], .names = "{.col}-{.col}")) %>% 
  select(contains("-"))

  `A-A`$B    $C    $D `B-B`$B    $C    $D `C-C`$B    $C    $D `D-D`$B    $C    $D
    <int> <int> <int>   <int> <int> <int>   <int> <int> <int>   <int> <int> <int>
1       1     1    -1       1     1    -1       1     1    -1       1     1    -1
2      -2     4    -4      -2     4    -4      -2     4    -4      -2     4    -4
3      -2     0     3      -2     0     3      -2     0     3      -2     0     3
4       0    -4     0       0    -4     0       0    -4     0       0    -4     0
5       0    -4     1       0    -4     1       0    -4     1       0    -4     1

我的第二次尝试：

df %>% 
  mutate(across(everything(), ~.[-1] - .[-ncol(.)], .names = "{.col}-{.col}"))

Error in `mutate()`:
! Problem while computing
  `..1 = across(everything(), ~.[-1]
  - .[-ncol(.)], .names =
  "{.col}-{.col}")`.
Caused by error in `across()`:
! Problem while computing
  column `A-A`.
Caused by error in `-ncol(A)`:
! invalid argument to unary operator
Run `rlang::last_error()` to see where the error occurred.

Answer 1

有更简单的方法，但如果我们想要 across

library(dplyr)
df %>% 
   mutate(across(-1, ~ {
    prevnm <- names(cur_data())[match(cur_column(), names(cur_data()))-1]
     .x - df[[prevnm]]}, 
      .names = "{.col}-{names(.)[match(.col, names(.))-1]}"))

-输出

# A tibble: 5 × 7
      A     B     C     D `B-A` `C-B` `D-C`
  <int> <int> <int> <int> <int> <int> <int>
1     2     3     4     3     1     1    -1
2     3     1     5     1    -2     4    -4
3     4     2     2     5    -2     0     3
4     5     5     1     1     0    -4     0
5     5     5     1     2     0    -4     1

或者使用两个across

df %>%
   mutate(across(-1, .names = "{.col}-{names(.)[match(.col, 
         names(.))-1]}") - across(-last_col()))
# A tibble: 5 × 7
      A     B     C     D `B-A` `C-B` `D-C`
  <int> <int> <int> <int> <int> <int> <int>
1     2     3     4     3     1     1    -1
2     3     1     5     1    -2     4    -4
3     4     2     2     5    -2     0     3
4     5     5     1     1     0    -4     0
5     5     5     1     2     0    -4     1

此外，dplyover

中的 across2 有一个更紧凑的选项

library(dplyover) #https://github.com/TimTeaFan/dplyover
df %>% 
   mutate(across2(-1, -last_col(),  ~.x -.y, .names = "{xcol}-{ycol}"))
# A tibble: 5 × 7
      A     B     C     D `B-A` `C-B` `D-C`
  <int> <int> <int> <int> <int> <int> <int>
1     2     3     4     3     1     1    -1
2     3     1     5     1    -2     4    -4
3     4     2     2     5    -2     0     3
4     5     5     1     1     0    -4     0
5     5     5     1     2     0    -4     1

如果.names可以使用默认的下划线作为分隔符，那就更简单了

df %>% 
   mutate(across2(-1, -last_col(),  `-`))
# A tibble: 5 × 7
      A     B     C     D   B_A   C_B   D_C
  <int> <int> <int> <int> <int> <int> <int>
1     2     3     4     3     1     1    -1
2     3     1     5     1    -2     4    -4
3     4     2     2     5    -2     0     3
4     5     5     1     1     0    -4     0
5     5     5     1     2     0    -4     1

如何使用 across 和 .named 参数将此基本 R 代码转换为 dplyr

How to transform this base R code to dplyr using across and .names arguement

r

dplyr

across