Tengo el siguiente data frame:
set.seed(2023)
df<-data.frame(id=1:20,
x1=sample(c(1:5,NA),20,T),
x2=sample(c(1:5,NA),20,T),
y1=sample(c(1:5,NA),20,T),
y2=sample(c(1:5,NA),20,T),
p1=sample(c(1:5,NA),20,T),
p2=sample(c(1:5,NA),20,T),
t1=sample(c(1:5,NA),20,T),
t2=sample(c(1:5,NA),20,T),
w1=sample(c(1:5,NA),20,T),
w2=sample(c(1:5,NA),20,T),
z1=sample(c(1:5,NA),20,T),
z2=sample(c(1:5,NA),20,T))
df
id x1 x2 y1 y2 p1 p2 t1 t2 w1 w2 z1 z2
1 1 5 NA 3 4 2 3 1 3 3 NA 2 NA
2 2 1 2 4 3 5 2 5 1 5 5 5 4
3 3 3 NA NA 1 5 3 4 4 1 5 1 NA
4 4 2 NA 1 1 3 3 4 5 4 3 1 2
5 5 4 5 5 3 3 4 NA 1 5 1 5 1
6 6 2 1 NA NA 3 1 1 4 3 1 2 4
7 7 1 2 2 3 1 5 2 NA 1 3 3 4
8 8 1 NA 4 4 NA 1 NA 5 2 5 5 2
9 9 5 NA 4 NA 2 5 2 2 2 1 3 NA
Deseo calcular el máximo por cada par de columnas, el máximo de la columna x1
y x2
, el máximo de y1
y y2
, y así hasta el z1
y z2
.
Lo he hecho con un for
de la siguiente manera:
nombres<-names(df)[2:13]
for (i in seq(1,length(nombres),2)) {
df[,paste0(nombres[i],"_f")]<-apply(df[,c(nombres[i],nombres[i+1])], 1, function(x){
max(x, na.rm = T)
})
}
El resultado es el esperado:
df
id x1 x2 y1 y2 p1 p2 t1 t2 w1 w2 z1 z2 x1_f y1_f p1_f t1_f w1_f z1_f
1 1 5 NA 3 4 2 3 1 3 3 NA 2 NA 5 4 3 3 3 2
2 2 1 2 4 3 5 2 5 1 5 5 5 4 2 4 5 5 5 5
3 3 3 NA NA 1 5 3 4 4 1 5 1 NA 3 1 5 4 5 1
4 4 2 NA 1 1 3 3 4 5 4 3 1 2 2 1 3 5 4 2
5 5 4 5 5 3 3 4 NA 1 5 1 5 1 5 5 4 1 5 5
6 6 2 1 NA NA 3 1 1 4 3 1 2 4 2 -Inf 3 4 3 4
7 7 1 2 2 3 1 5 2 NA 1 3 3 4 2 3 5 2 3 4
8 8 1 NA 4 4 NA 1 NA 5 2 5 5 2 1 4 1 5 5 5
9 9 5 NA 4 NA 2 5 2 2 2 1 3 NA 5 4 5 2 2 3
Pero me parece una sintaxis muy larga y engorrosa.
Mi duda se genera, entonces, como puedo realizar el mismo cálculo pero en dplyr
. No se me ocurre como se podría hacer. ¿Hay alguna forma?
O en todo caso, ¿podría hacer más eficiente (en tiempo de ejecución) el código en R base?