應用使用數據框中的列作爲1：n列和行上的每個值的輸入的函數

Question

我試圖在兩個步驟中將兩個簡單函數應用於矩陣中的1：n列上的所有行或者df我希望將最後一列中的值用作函數中的輸入。 這個問題可能是重複的，但我根本找不到我要找的解決方案。我嘗試過寫一個函數，apply和dplyr函數，但是在每一處如何引用特定的列，併爲每個x，y的組合獲得單獨的結果都卡住了。

我已經在這裏看到的答案[how to apply a function to every row of a matrix (or a data frame) in R這裏：

但這些操作大多是行或列明智的，我需要的函數，在每個觀測工作，即

這是一個簡化我的數據的例子 - 但我的數據框在變量和長度上的長度都不相同，因爲我正在測量深度可變的深度剖面。

1日所需的功能：

df<- matrix(c( 
     1.11543500, 1.09273900, 1.09362300, 1.09073300, 1.09668300, 0.0876387143, 
     1.08729500, 1.06946100, 1.06227900, 1.06633600, 1.06690000, 0.0853604143, 
     1.05458300, 1.03921000, 1.03225300, 1.03782000, 1.03416200, 0.0790749429, 
     1., 1.01204520, 1.00525750, 1.00781250, 1.00666170, 0.0756004571 
    ), nrow = 4, byrow = TRUE) 

首先我必須寬幅使用df應用功能等;

對於V1的每一行：由V6 V5減，這將使像這樣的輸出（將罰款離開V6出來：

df1 
     V1   V2   V3   V4   V5   V6 
1 1.027796286 1.005100286 1.005984286 1.003094286 1.009044286 0.087638714 
2 1.001934586 0.984100586 0.976918586 0.980975586 0.981539586 0.085360414 
3 0.975508057 0.960135057 0.953178057 0.958745057 0.955087057 0.079074943 
4 0.952231643 0.936444743 0.929657043 0.932212043 0.931061243 0.075600457 

我曾嘗試：

df1<- apply(df, 1, function(x) x[1:5]-x[6]) 

它給了我這個，這是錯誤的：

df1 [,1]  [,2]  [,3]  [,4] 
[1,] 1.027796 1.0019346 0.9755081 0.9522316 
[2,] 1.005100 0.9841006 0.9601351 0.9364447 
[3,] 1.005984 0.9769186 0.9531781 0.9296570 
[4,] 1.003094 0.9809756 0.9587451 0.9322120 
[5,] 1.009044 0.9815396 0.9550871 0.9310612 

任何人有關於如何糾正代碼的建議？我也ope n用於例如dplyr中的建議或要調用的函數。

我希望它也會給我一個答案，關於如何繼續下一步，我將不得不從第一次計算轉置結果並添加一些其他具有臨時和鹽度值以及常量的列通過如下公式來計算：

x = z- [constant_t * (t1 - t2) + constant_s * S] 

其中z將是第一次計算的輸出。

Answer 1

您可以使用dplyr中的mutate_at來執行此操作。我已使用ncol來標識要使用的列。您可以使用t()，因爲@PoGibas建議繼續下一步。

library(dplyr) 
df <- as_tibble(df) 
df1 <- mutate_at(df, 1:(ncol(df) -1), funs(. - df[[ncol(df)]])) 
df1 
#> # A tibble: 4 x 6 
#>   V1  V2  V3  V4  V5   V6 
#>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl> 
#> 1 1.0277963 1.0051003 1.0059843 1.0030943 1.0090443 0.08763871 
#> 2 1.0019346 0.9841006 0.9769186 0.9809756 0.9815396 0.08536041 
#> 3 0.9755081 0.9601351 0.9531781 0.9587451 0.9550871 0.07907494 
#> 4 0.9522316 0.9364447 0.9296570 0.9322120 0.9310612 0.07560046 

t(df1) 
#>   [,1]  [,2]  [,3]  [,4] 
#> V1 1.02779629 1.00193459 0.97550806 0.95223164 
#> V2 1.00510029 0.98410059 0.96013506 0.93644474 
#> V3 1.00598429 0.97691859 0.95317806 0.92965704 
#> V4 1.00309429 0.98097559 0.95874506 0.93221204 
#> V5 1.00904429 0.98153959 0.95508706 0.93106124 
#> V6 0.08763871 0.08536041 0.07907494 0.07560046 

如果你喜歡最後一個變量從結果投下您可以使用transmute_at代替mutate_at：

transmute_at(df, 1:(ncol(df) -1), funs(. - df[[ncol(df)]])) 

#> # A tibble: 4 x 5 
#>   V1  V2  V3  V4  V5 
#>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl> 
#> 1 1.0277963 1.0051003 1.0059843 1.0030943 1.0090443 
#> 2 1.0019346 0.9841006 0.9769186 0.9809756 0.9815396 
#> 3 0.9755081 0.9601351 0.9531781 0.9587451 0.9550871 
#> 4 0.9522316 0.9364447 0.9296570 0.9322120 0.9310612