Как создать функцию для условного выполнения арифметических операций в нескольких столбцах

Question

Учитывая пример данных sampleDT ниже, я был бы признателен за любую помощь в создании функции, которая эффективно выполняет следующее:

Для каждой переменной, имя которой начинается с dollar:

• do 3-(5/j) в тех строках, где sampleDT$employer==1;

• do 2*j в тех строках, где sampleDT$employer==0;

• поместите результат операции в новую переменную, расположенную в столбце рядом с той, где она была основана;

• сохранить значения dollar.wage_1 без изменений;

• помещает вывод операции в новую переменную euro.wage_x, имя которой заменяет только dollar на euro в исходной переменной dollar.wage_x.x - это число dollar.wage переменных.

• создает новые переменные с именем division.wage_x, которые содержат для каждой пары dollar.wage_x и euro.wage_x результат деления dollar.wage_x by euro.wage_x.

Где j обозначает значения, которые принимают переменные dollar.wage_1:dollar.wage_10.

---

Пример данных

sampleDT<-structure(list(id = 1:10, N = c(10L, 10L, 10L, 10L, 10L, 10L, 
    10L, 10L, 10L, 10L), A = c(62L, 96L, 17L, 41L, 212L, 143L, 143L, 
    143L, 73L, 73L), B = c(3L, 1L, 0L, 2L, 170L, 21L, 0L, 33L, 62L, 
    17L), C = c(0.05, 0.01, 0, 0.05, 0.8, 0.15, 0, 0.23, 0.85, 0.23
    ), employer = c(1L, 1L, 0L, 1L, 0L, 1L, 1L, 0L, 0L, 0L), F = c(0L, 
    0L, 0L, 0L, 0L, 1L, 1L, 1L, 1L, 1L), G = c(1.94, 1.19, 1.16, 
    1.16, 1.13, 1.13, 1.13, 1.13, 1.12, 1.12), H = c(0.14, 0.24, 
    0.28, 0.28, 0.21, 0.12, 0.17, 0.07, 0.14, 0.12), dollar.wage_1 = c(1.94, 
    1.19, 3.16, 3.16, 1.13, 1.13, 2.13, 1.13, 1.12, 1.12), dollar.wage_2 = c(1.93, 
    1.18, 3.15, 3.15, 1.12, 1.12, 2.12, 1.12, 1.11, 1.11), dollar.wage_3 = c(1.95, 
    1.19, 3.16, 3.16, 1.14, 1.13, 2.13, 1.13, 1.13, 1.13), dollar.wage_4 = c(1.94, 
    1.18, 3.16, 3.16, 1.13, 1.13, 2.13, 1.13, 1.12, 1.12), dollar.wage_5 = c(1.94, 
    1.19, 3.16, 3.16, 1.14, 1.13, 2.13, 1.13, 1.12, 1.12), dollar.wage_6 = c(1.94, 
    1.18, 3.16, 3.16, 1.13, 1.13, 2.13, 1.13, 1.12, 1.12), dollar.wage_7 = c(1.94, 
    1.19, 3.16, 3.16, 1.14, 1.13, 2.13, 1.13, 1.12, 1.12), dollar.wage_8 = c(1.94, 
    1.19, 3.16, 3.16, 1.13, 1.13, 2.13, 1.13, 1.12, 1.12), dollar.wage_9 = c(1.94, 
    1.19, 3.16, 3.16, 1.13, 1.13, 2.13, 1.13, 1.12, 1.12), dollar.wage_10 = c(1.94, 
    1.19, 3.16, 3.16, 1.13, 1.13, 2.13, 1.13, 1.12, 1.12)), row.names = c(NA, 
    -10L), class = "data.frame")

Выходной сигнал

id N A  B  C   employer F G    H      dollar.wage_1 dollar.wage_2 dollar.wage_3 dollar.wage_4 dollar.wage_5 dollar.wage_6 dollar.wage_7 dollar.wage_8 dollar.wage_9 dollar.wage_10
1 10 62 3 0.05        1 0 1.94 0.14          1.94          1.93          1.95          1.94          1.94          1.94          1.94          1.94          1.94           1.94
2 10 96 1 0.01        1 0 1.19 0.24          1.19          1.18          1.19          1.18          1.19          1.18          1.19          1.19          1.19           1.19
3 10 17 0 0.00        0 0 1.16 0.28          3.16          3.15          3.16          3.16          3.16          3.16          3.16          3.16          3.16           3.16

Я ищу эффективный способ сделать это, потому что мой фактический набор данных содержит более 1000 переменных dollar.wage_x, гдеx > 1000.

Заранее благодарен за любую помощь.

Answer 1

Использование data.table:

library(data.table)
setDT(sampleDT)
o_cols <- grep("^dollar", names(sampleDT), value = TRUE)
n_cols <- sub("^dollar", "euro", o_cols)
sampleDT[, (n_cols) := lapply(.SD, function(j) ifelse(employer == 1, 3 - 5 / j, 2 * j)), .SDcols = o_cols]



> sampleDT
    id  N   A   B    C employer F    G    H dollar.wage_1 dollar.wage_2 dollar.wage_3 dollar.wage_4 dollar.wage_5 dollar.wage_6 dollar.wage_7
 1:  1 10  62   3 0.05        1 0 1.94 0.14          1.94          1.93          1.95          1.94          1.94          1.94          1.94
 2:  2 10  96   1 0.01        1 0 1.19 0.24          1.19          1.18          1.19          1.18          1.19          1.18          1.19
 3:  3 10  17   0 0.00        0 0 1.16 0.28          3.16          3.15          3.16          3.16          3.16          3.16          3.16
 4:  4 10  41   2 0.05        1 0 1.16 0.28          3.16          3.15          3.16          3.16          3.16          3.16          3.16
 5:  5 10 212 170 0.80        0 0 1.13 0.21          1.13          1.12          1.14          1.13          1.14          1.13          1.14
 6:  6 10 143  21 0.15        1 1 1.13 0.12          1.13          1.12          1.13          1.13          1.13          1.13          1.13
 7:  7 10 143   0 0.00        1 1 1.13 0.17          2.13          2.12          2.13          2.13          2.13          2.13          2.13
 8:  8 10 143  33 0.23        0 1 1.13 0.07          1.13          1.12          1.13          1.13          1.13          1.13          1.13
 9:  9 10  73  62 0.85        0 1 1.12 0.14          1.12          1.11          1.13          1.12          1.12          1.12          1.12
10: 10 10  73  17 0.23        0 1 1.12 0.12          1.12          1.11          1.13          1.12          1.12          1.12          1.12
    dollar.wage_8 dollar.wage_9 dollar.wage_10 euro.wage_1 euro.wage_2 euro.wage_3 euro.wage_4 euro.wage_5 euro.wage_6 euro.wage_7 euro.wage_8 euro.wage_9
 1:          1.94          1.94           1.94   0.4226804   0.4093264   0.4358974   0.4226804   0.4226804   0.4226804   0.4226804   0.4226804   0.4226804
 2:          1.19          1.19           1.19  -1.2016807  -1.2372881  -1.2016807  -1.2372881  -1.2016807  -1.2372881  -1.2016807  -1.2016807  -1.2016807
 3:          3.16          3.16           3.16   6.3200000   6.3000000   6.3200000   6.3200000   6.3200000   6.3200000   6.3200000   6.3200000   6.3200000
 4:          3.16          3.16           3.16   1.4177215   1.4126984   1.4177215   1.4177215   1.4177215   1.4177215   1.4177215   1.4177215   1.4177215
 5:          1.13          1.13           1.13   2.2600000   2.2400000   2.2800000   2.2600000   2.2800000   2.2600000   2.2800000   2.2600000   2.2600000
 6:          1.13          1.13           1.13  -1.4247788  -1.4642857  -1.4247788  -1.4247788  -1.4247788  -1.4247788  -1.4247788  -1.4247788  -1.4247788
 7:          2.13          2.13           2.13   0.6525822   0.6415094   0.6525822   0.6525822   0.6525822   0.6525822   0.6525822   0.6525822   0.6525822
 8:          1.13          1.13           1.13   2.2600000   2.2400000   2.2600000   2.2600000   2.2600000   2.2600000   2.2600000   2.2600000   2.2600000
 9:          1.12          1.12           1.12   2.2400000   2.2200000   2.2600000   2.2400000   2.2400000   2.2400000   2.2400000   2.2400000   2.2400000
10:          1.12          1.12           1.12   2.2400000   2.2200000   2.2600000   2.2400000   2.2400000   2.2400000   2.2400000   2.2400000   2.2400000
    euro.wage_10
 1:    0.4226804
 2:   -1.2016807
 3:    6.3200000
 4:    1.4177215
 5:    2.2600000
 6:   -1.4247788
 7:    0.6525822
 8:    2.2600000
 9:    2.2400000
10:    2.2400000

Answer 2

Вот одна tidyverse возможность:

sampleDT %>% 
 mutate_at(vars(contains("dollar")), funs(euro.wage = ifelse(employer == 1, 3-(5/.), 2*.))) %>%
 rename_at(vars(contains("euro.wage")), 
           funs(paste(sub(".*\\_", "", .), gsub("[^0-9]", "\\1", .), sep = "_"))) 


   id  N   A   B    C employer F    G    H dollar.wage_1 dollar.wage_2
1   1 10  62   3 0.05        1 0 1.94 0.14          1.94          1.93
2   2 10  96   1 0.01        1 0 1.19 0.24          1.19          1.18
3   3 10  17   0 0.00        0 0 1.16 0.28          3.16          3.15
4   4 10  41   2 0.05        1 0 1.16 0.28          3.16          3.15
5   5 10 212 170 0.80        0 0 1.13 0.21          1.13          1.12
6   6 10 143  21 0.15        1 1 1.13 0.12          1.13          1.12
7   7 10 143   0 0.00        1 1 1.13 0.17          2.13          2.12
8   8 10 143  33 0.23        0 1 1.13 0.07          1.13          1.12
9   9 10  73  62 0.85        0 1 1.12 0.14          1.12          1.11
10 10 10  73  17 0.23        0 1 1.12 0.12          1.12          1.11
   dollar.wage_3 dollar.wage_4 dollar.wage_5 dollar.wage_6 dollar.wage_7
1           1.95          1.94          1.94          1.94          1.94
2           1.19          1.18          1.19          1.18          1.19
3           3.16          3.16          3.16          3.16          3.16
4           3.16          3.16          3.16          3.16          3.16
5           1.14          1.13          1.14          1.13          1.14
6           1.13          1.13          1.13          1.13          1.13
7           2.13          2.13          2.13          2.13          2.13
8           1.13          1.13          1.13          1.13          1.13
9           1.13          1.12          1.12          1.12          1.12
10          1.13          1.12          1.12          1.12          1.12
   dollar.wage_8 dollar.wage_9 dollar.wage_10 euro.wage_1 euro.wage_2 euro.wage_3
1           1.94          1.94           1.94   0.4226804   0.4093264   0.4358974
2           1.19          1.19           1.19  -1.2016807  -1.2372881  -1.2016807
3           3.16          3.16           3.16   6.3200000   6.3000000   6.3200000
4           3.16          3.16           3.16   1.4177215   1.4126984   1.4177215
5           1.13          1.13           1.13   2.2600000   2.2400000   2.2800000
6           1.13          1.13           1.13  -1.4247788  -1.4642857  -1.4247788
7           2.13          2.13           2.13   0.6525822   0.6415094   0.6525822
8           1.13          1.13           1.13   2.2600000   2.2400000   2.2600000
9           1.12          1.12           1.12   2.2400000   2.2200000   2.2600000
10          1.12          1.12           1.12   2.2400000   2.2200000   2.2600000

Answer 3

Или база R:

sampleDT[, grepl("dollar", colnames(sampleDT))] <- 
  lapply(sampleDT[ , grepl("dollar", colnames(sampleDT))],
        function(x) {
          res <- 3 - 5 * x
          res[sampleDT$employer==0] <- 2 * x[sampleDT$employer==0]
          res
        } )