首页 文章

将mutate与条件值组合使用

提问于
浏览 次
55

在具有四列的大型数据框（“myfile”）中，我必须添加第五列，其中值基于前四列 . 最近我成为了dplyr的忠实粉丝，主要是因为它在大型数据集中的速度 . 所以我想知道我是否可以使用mutate函数处理我的问题 .

我的数据帧（实际上是它的较短版本）看起来有点像这样：

V1 V2 V3 V4
1  1  2  3  5
2  2  4  4  1
3  1  4  1  1
4  4  5  1  3
5  5  5  5  4

第五列（V5）的值基于一些条件规则：

if (V1==1 & V2!=4){
V5 <- 1
}
else if (V2==4 & V3!=1){
V5 <- 2
}
else {
V5 <- 0
}

现在我想使用mutate函数在所有行上使用这些规则（所以我不必使用慢循环） . 像这样的东西（是的，我知道它不会这样工作！）：

myfile <- mutate(myfile, if (V1==1 & V2!=4){V5 = 1}
    else if (V2==4 & V3!=1){V5 = 2}
    else {V5 = 0})

这应该是结果：

V1 V2 V3 V4 V5
1  1  2  3  5  1
2  2  4  4  1  2
3  1  4  1  1  0
4  4  5  1  3  0
5  5  5  5  4  0

如何在 dplyr 中执行此操作？

r dplyr

3 回答

  • 10

    试试这个：

    myfile %>% mutate(V5 = (V1 == 1 & V2 != 4) + 2 * (V2 == 4 & V3 != 1))

    赠送：

    V1 V2 V3 V4 V5
1  1  2  3  5  1
2  2  4  4  1  2
3  1  4  1  1  0
4  4  5  1  3  0
5  5  5  5  4  0

    或这个：

    myfile %>% mutate(V5 = ifelse(V1 == 1 & V2 != 4, 1, ifelse(V2 == 4 & V3 != 1, 2, 0)))

    赠送：

    V1 V2 V3 V4 V5
1  1  2  3  5  1
2  2  4  4  1  2
3  1  4  1  1  0
4  4  5  1  3  0
5  5  5  5  4  0

    建议您为数据框架获得更好的名称 . myfile使它看起来好像拥有一个文件名 .

    上面使用了这个输入：

    myfile <- 
structure(list(V1 = c(1L, 2L, 1L, 4L, 5L), V2 = c(2L, 4L, 4L, 
5L, 5L), V3 = c(3L, 4L, 1L, 1L, 5L), V4 = c(5L, 1L, 1L, 3L, 4L
)), .Names = c("V1", "V2", "V3", "V4"), class = "data.frame", row.names = c("1", 
"2", "3", "4", "5"))

    Update 1 由于最初发布的dplyr已将 %.% 更改为 %>% 所以已相应修改了答案 .

    Update 2 dplyr现在有 case_when ，它提供了另一种解决方案：

    myfile %>% 
       mutate(V5 = case_when(V1 == 1 & V2 != 4 ~ 1, 
                             V2 == 4 & V3 != 1 ~ 2,
                             TRUE ~ 0))
    回复于
  • 14

    使用 dplyr 0.7.2 ，您可以使用非常有用的 case_when 函数：

    x=read.table(
 text="V1 V2 V3 V4
 1  1  2  3  5
 2  2  4  4  1
 3  1  4  1  1
 4  4  5  1  3
 5  5  5  5  4")
x$V5 = case_when(x$V1==1 & x$V2!=4 ~ 1,
                 x$V2==4 & x$V3!=1 ~ 2,
                 TRUE ~ 0)

    用 dplyr::mutate 表示，它给出：

    x = x %>% mutate(
     V5 = case_when(
         V1==1 & V2!=4 ~ 1,
         V2==4 & V3!=1 ~ 2,
         TRUE ~ 0
     )
)

    请注意 NA 未经特殊处理，因为它可能会产生误导 . 仅当没有条件匹配时，该函数才会返回 NA . 如果你在 TRUE ~ ... 中添加一行，就像我在我的例子中所做的那样，那么返回值将永远不会是 NA .

    因此，你必须通过添加类似 is.na(x$V1) | is.na(x$V3) ~ NA_integer_ 的语句，明确地告诉 case_when 将 NA 放在它所属的位置 . 提示： dplyr::coalesce() 函数有时候非常有用！

    而且，请注意单独 NA 通常不起作用，你必须输入特殊的 NA 值： NA_integer_ ， NA_character_ 或 NA_real_ .

    回复于
  • 63

    看起来 mosaic 包中的 derivedFactor 就是为此而设计的 . 在这个例子中，它看起来像：

    library(mosaic)
myfile <- mutate(myfile, V5 = derivedFactor(
    "1" = (V1==1 & V2!=4),
    "2" = (V2==4 & V3!=1),
    .method = "first",
    .default = 0
    ))

    （如果您希望结果是数字而不是因子，请使用 as.numeric 包装 derivedFactor . ）

    请注意， .default 选项与 .method = "first" 结合设置了"else"条件 - 此方法在 derivedFactor 的帮助文件中进行了描述 .

    回复于

相关问题