请考虑以下数据框:
(tmp_df <-
structure(list(class = c(0L, 0L, 1L, 1L, 2L, 2L), logi = c(TRUE,
FALSE, TRUE, FALSE, TRUE, FALSE), val = c(1, 1, 1, 1, 1, 1),
taken = c(1.00684931506849, 0.993197278911565, 1.025, 0.975609756097561,
1.00826446280992, 0.991803278688525)), class = c("tbl_df",
"tbl", "data.frame"), row.names = c(NA, -6L), .Names = c("class",
"logi", "val", "taken")))
创造:
Source: local data frame [6 x 4]
class logi val taken
<int> <lgl> <dbl> <dbl>
1 0 TRUE 1 1.0068493
2 0 FALSE 1 0.9931973
3 1 TRUE 1 1.0250000
4 1 FALSE 1 0.9756098
5 2 TRUE 1 1.0082645
6 2 FALSE 1 0.9918033
我希望按类分组,如果每个组包含两个成员,则从 val
中减去1,如果 logi == FALSE
,否则从 val
中减去该组中 taken
的最小值 . 如果每个组不包含两个成员,那么我们从 val
中减去零 .
使用 dplyr
包执行上述代码可以使用以下方式表示:
tmp_df %>%
group_by(class) %>%
mutate(taken_2 = ifelse(n() != 2, 0,
ifelse(logi, min(taken), 1)),
not_taken = val - taken_2)
但是,这会产生不正确的结果,其中第二个 ifelse
always resolves to the first condition :
Source: local data frame [6 x 6]
Groups: class [3]
class logi val taken taken_2 not_taken
<int> <lgl> <dbl> <dbl> <dbl> <dbl>
1 0 TRUE 1 1.0068493 0.9931973 0.006802721
2 0 FALSE 1 0.9931973 0.9931973 0.006802721
3 1 TRUE 1 1.0250000 0.9756098 0.024390244
4 1 FALSE 1 0.9756098 0.9756098 0.024390244
5 2 TRUE 1 1.0082645 0.9918033 0.008196721
6 2 FALSE 1 0.9918033 0.9918033 0.008196721
如果我们没有第一个 ifelse
语句,则可以生成正确的结果 .
tmp_df %>%
group_by(class) %>%
mutate(taken_2 = ifelse(logi, min(taken), 1),
not_taken = val - taken_2)
生产环境 :
Source: local data frame [6 x 6]
Groups: class [3]
class logi val taken taken_2 not_taken
<int> <lgl> <dbl> <dbl> <dbl> <dbl>
1 0 TRUE 1 1.0068493 0.9931973 0.006802721
2 0 FALSE 1 0.9931973 1.0000000 0.000000000 # correct!
3 1 TRUE 1 1.0250000 0.9756098 0.024390244
4 1 FALSE 1 0.9756098 1.0000000 0.000000000 # correct!
5 2 TRUE 1 1.0082645 0.9918033 0.008196721
6 2 FALSE 1 0.9918033 1.0000000 0.000000000 # correct!
通过检查成功执行类似操作的其他代码片段,我们可以看到这个问题似乎被隔离到了 mutate
和嵌套的 ifelse
:
tmp_df %>%
group_by(class) %>%
mutate(taken_2 = ifelse(n() != 3, 0,
ifelse(logi, min(taken), 1)),
not_taken = val - taken_2)
tmp_df_2 <-
tmp_df %>%
filter(row_number() <= 2)
(tmp_df_2$taken_2 <-
ifelse(c(0, 0), 0,
ifelse(tmp_df_2$logi, min(tmp_df_2$taken), 1)))
## but the following does not work (checks problem is not to do with grouping)
# tmp_df_2 %>%
# mutate(taken_2 = ifelse(n() != 2, 0,
# ifelse(logi, min(taken), 1)),
# not_taken = val - taken_2)
为什么会发生这种情况,我怎样才能获得预期的行为?解决方法是将嵌套的 ifelse
逻辑拆分为多个内联变异:
tmp_df %>%
group_by(class) %>%
mutate(taken_2 = ifelse(n() != 2, 0, 1),
taken_3 = taken_2 * ifelse(logi, min(taken), 1),
not_taken = val - taken_3)
其他人已经发现了嵌套ifelse的类似问题,但我不知道它是否具有相同的根:ifelse using dplyr results in NAs for some records
2 回答
您是
ifelse
矢量回收的受害者 . 关键是这一行:因为
n() != 2
是长度为1(对于每个组),ifelse
仅考虑第一个logi
并重复/回收此值 .你应该使用
if
和if_else
:我建议 never 使用
ifelse
. 从几乎造成数百万美元错误的人那里拿走它,因为这个错误 .从
?ifelse
,并且由于
n() != 2
返回长度为1的向量,并且始终为true,因此第二个ifelse
始终返回长度为1的向量,但会被回收以适合组的形状 . 一种解决方案是将组长度的向量馈送到第一个ifelse
: