R语言【dplyr】——使用 relocate() 更改列的位置,其语法与 select() 相同,便于一次移动多个列块

Package dplyr version 1.1.4


Parameters

R 复制代码
relocate(.data, ..., .before = NULL, .after = NULL)

参数【.data】:数据集、数据集扩展(如 tibble)或 lazy data frames(如来自 dbplyrdtplyr 的数据集)。

参数【...】:<tidy-select> 要移动的列。

参数【.before,.after】:<tidy-select> 通过参数【...】选择的列的目的地。两者都不提供会将列移动到左侧;同时指定两者则会出错。


Value

与参数【.data】类型相同的对象。输出具有以下属性:

  • 行不会受到影响。
  • 输出中会出现相同的列,但(通常)位置不同,可能还会重命名。
  • 数据集属性保留不变。
  • 分组不受影响。

Examples

1. relocate() 默认将列放到首列

R 复制代码
df <- tibble(a = 1, b = 1, c = 1, d = "a", e = "a", f = "a")
df

# A tibble: 1 × 6
      a     b     c d     e     f    
  <dbl> <dbl> <dbl> <chr> <chr> <chr>
1     1     1     1 a     a     a


df %>% relocate(f)

# A tibble: 1 × 6
  f         a     b     c d     e    
  <chr> <dbl> <dbl> <dbl> <chr> <chr>
1 a         1     1     1 a     a 

2. relocate() 的参数【.after】将列放到该列后面

R 复制代码
df <- tibble(a = 1, b = 1, c = 1, d = "a", e = "a", f = "a")
df

# A tibble: 1 × 6
      a     b     c d     e     f    
  <dbl> <dbl> <dbl> <chr> <chr> <chr>
1     1     1     1 a     a     a


df %>% relocate(a, .after = c)

# A tibble: 1 × 6
      b     c     a d     e     f    
  <dbl> <dbl> <dbl> <chr> <chr> <chr>
1     1     1     1 a     a     a  


df %>% relocate(a, .after = last_col())

# A tibble: 1 × 6
      b     c d     e     f         a
  <dbl> <dbl> <chr> <chr> <chr> <dbl>
1     1     1 a     a     a         1

3. relocate() 的参数【.before】将列放到该列前面

R 复制代码
df <- tibble(a = 1, b = 1, c = 1, d = "a", e = "a", f = "a")
df

# A tibble: 1 × 6
      a     b     c d     e     f    
  <dbl> <dbl> <dbl> <chr> <chr> <chr>
1     1     1     1 a     a     a


df %>% relocate(f, .before = b)

# A tibble: 1 × 6
      a f         b     c d     e    
  <dbl> <chr> <dbl> <dbl> <chr> <chr>
1     1 a         1     1 a     a 

4. relocate() 在改变列的位置的同时,还可以重命名列名

R 复制代码
df <- tibble(a = 1, b = 1, c = 1, d = "a", e = "a", f = "a")
df

# A tibble: 1 × 6
      a     b     c d     e     f    
  <dbl> <dbl> <dbl> <chr> <chr> <chr>
1     1     1     1 a     a     a


df %>% relocate(ff = f)

# A tibble: 1 × 6
  ff        a     b     c d     e    
  <chr> <dbl> <dbl> <dbl> <chr> <chr>
1 a         1     1     1 a     a   

5. relocate() 通过变量的类型选择列

R 复制代码
df <- tibble(a = 1, b = 1, c = 1, d = "a", e = "a", f = "a")
df

# A tibble: 1 × 6
      a     b     c d     e     f    
  <dbl> <dbl> <dbl> <chr> <chr> <chr>
1     1     1     1 a     a     a


df %>% relocate(where(is.character))

# A tibble: 1 × 6
  d     e     f         a     b     c
  <chr> <chr> <chr> <dbl> <dbl> <dbl>
1 a     a     a         1     1     1


df %>% relocate(where(is.numeric), .after = last_col())

# A tibble: 1 × 6
  d     e     f         a     b     c
  <chr> <chr> <chr> <dbl> <dbl> <dbl>
1 a     a     a         1     1     1

6. relocate() 通过其他的选择方法挑选列

R 复制代码
df <- tibble(a = 1, b = 1, c = 1, d = "a", e = "a", f = "a")
df

# A tibble: 1 × 6
      a     b     c d     e     f    
  <dbl> <dbl> <dbl> <chr> <chr> <chr>
1     1     1     1 a     a     a


df %>% relocate(any_of(c("a", "e", "i", "o", "u")))

# A tibble: 1 × 6
      a e         b     c d     f    
  <dbl> <chr> <dbl> <dbl> <chr> <chr>
1     1 a         1     1 a     a  

7. 在调动多列的同时使用了参数【.after,.before】,列会立即排在选择列的前/后

R 复制代码
df2 <- tibble(a = 1, b = "a", c = 1, d = "a")
df2

# A tibble: 1 × 4
      a b         c d    
  <dbl> <chr> <dbl> <chr>
1     1 a         1 a   


df2 %>% relocate(where(is.numeric), .after = where(is.character))

# A tibble: 1 × 4
  b     d         a     c
  <chr> <chr> <dbl> <dbl>
1 a     a         1     1


df2 %>% relocate(where(is.numeric), .before = where(is.character))

# A tibble: 1 × 4
      a     c b     d    
  <dbl> <dbl> <chr> <chr>
1     1     1 a     a   
相关推荐
Liue612312317 小时前
自卸车多部件识别 _ Mask R-CNN改进模型实现(Caffe+FPN)_1
r语言·cnn·caffe
jiang_changsheng2 天前
环境管理工具全景图与深度对比
java·c语言·开发语言·c++·python·r语言
JicasdC123asd2 天前
使用Faster R-CNN模型训练汽车品牌与型号检测数据集 改进C4结构 优化汽车识别系统 多类别检测 VOC格式
r语言·cnn·汽车
请你喝好果汁6412 天前
## 学习笔记:R 语言中比例字符串的数值转换,如GeneRatio中5/100的处理
笔记·学习·r语言
怦怦蓝2 天前
DB2深度解析:从架构原理到与R语言的集成实践
开发语言·架构·r语言·db2
新新学长搞科研2 天前
【CCF主办 | 高认可度会议】第六届人工智能、大数据与算法国际学术会议(CAIBDA 2026)
大数据·开发语言·网络·人工智能·算法·r语言·中国计算机学会
Piar1231sdafa3 天前
战斗车辆状态识别与分类 --- 基于Mask R-CNN和RegNet的模型实现
r语言·cnn
陳土3 天前
R语言Offier包源码—1:read_docx()
r语言
善木科研喵3 天前
IF5.9分,α-硫辛酸如何缓解化疗神经毒性?网络毒理学结合网络药理学双重锁定关键通路!
数据库·数据分析·r语言·sci·生信分析·医学科研
Piar1231sdafa4 天前
椅子目标检测新突破:Cascade R-CNN模型详解与性能优化_1
目标检测·r语言·cnn