在多列上使用函式進行變異

我有來自參與者串列的問卷 (EHP30) 答案，他們在 0 到 4 之間評分，或 -9 表示不相關。總分是縮放到 100 分的總和。如果有任何不相關的答案，它們將被忽略（除非它們都不相關，在這種情況下，輸出會丟失）。任何缺失的專案都會將整個輸出設定為缺失。

我撰寫了一個從輸入向量計算分數的函式：

ehp30_sexual <- function(scores = c(0, 0, 0, 0, 0)){
  if(anyNA(scores)){
    return(NA)
  } else if(!all(scores %in% c(-9, 0, 1, 2, 3, 4))){
    stop("Values not in correct range (-9, 0, 1, 2, 3, 4)")
  } else if(length(scores) != 5){
    stop("Must be vector length of 5")
  } else if(all(scores == -9)){
    return(NA)
  } else if(any(scores == -9)){
    newscores <- scores[which(scores != -9)]
    sum(newscores) * 100 / (4 * length(newscores))
  } else {
    sum(scores) * 100 / (4 * length(scores))
  }
}

如果可能，我希望使用 mutate 將此函式應用于資料幀的每一行（如果沒有，則應用）：

ans <- c(NA, -9, 0, 1, 2, 3, 4)
set.seed(1)
data <- data.frame(id = 1:10,
                   ePainAfterSex = sample(ans, 10, TRUE),
                   eWorriedSex = sample(ans, 10, TRUE),
                   eAvoidSex = sample(ans, 10, TRUE),
                   eGuiltyNoSex = sample(ans, 10, TRUE),
                   eFrustratedNoSex = sample(ans, 10, TRUE))

有任何想法嗎？我很樂意重寫函式或使用case_when更簡單的解決方案。

uj5u.com熱心網友回復：

使用dplyr::rowwise()and c_across()（受@edvinsyk 的回答啟發）：

set.seed(1)
library(dplyr)

data %>%
  rowwise() %>%
  mutate(score = ehp30_sexual(
    c_across(ePainAfterSex:eFrustratedNoSex)
  )) %>%
  ungroup()

# A tibble: 10 × 7
      id ePainAfterSex eWorriedSex eAvoidSex eGuiltyNoSex eFrustratedNoSex score
   <int>         <dbl>       <dbl>     <dbl>        <dbl>            <dbl> <dbl>
 1     1            NA           0        NA           -9               -9  NA  
 2     2             1           0         4            3                3  55  
 3     3             4          NA         2           NA                4  NA  
 4     4            NA           2         2            1                1  NA  
 5     5            -9           2        NA            4                1  NA  
 6     6             2          -9        NA           NA                1  NA  
 7     7             4           3         3            1               -9  68.8
 8     8             0           3         2            0                1  30  
 9     9             3          -9         2            3               NA  NA  
10    10            -9           4        -9           -9                4 100 

uj5u.com熱心網友回復：

你追求的是這樣的東西嗎？似乎比您提供的功能更容易。

data = tibble(data)

data |> 
    mutate(across(where(is.numeric), ~ ifelse(.x == -9, NA, .x))) |> 
    rowwise() |> 
    mutate(index = sum(c_across(2:6), na.rm = TRUE)) |> 
    ungroup() |> 
    mutate(score = round(scales::rescale(index, to = c(0, 100))))

      id ePainAfterSex eWorriedSex eAvoidSex eGuiltyNoSex eFrustratedNoSex index score
   <int>         <dbl>       <dbl>     <dbl>        <dbl>            <dbl> <dbl> <dbl>
 1     1            NA           0        NA           NA               NA     0     0
 2     2             1           0         4            3                3    11   100
 3     3             4          NA         2           NA                4    10    91
 4     4            NA           2         2            1                1     6    55
 5     5            NA           2        NA            4                1     7    64
 6     6             2          NA        NA           NA                1     3    27
 7     7             4           3         3            1               NA    11   100
 8     8             0           3         2            0                1     6    55
 9     9             3          NA         2            3               NA     8    73
10    10            NA           4        NA           NA                4     8    73

標籤：r

上一篇：使用dplyr和條件左連接

下一篇：獲取列中元素的頻率