我是一个尝试使用dplyr进行数据分析的初学者 . 我的数据基本上来自一些操作(“Ops”)并且订购得很好 . 我经常需要根据操作类型对观察结果应用不同的功能(“Num”),然后将它们组合起来进行分析 .
琐碎的例子如下:
X Num Ops
0 37 S
1 18 R
2 11 S
3 3 R
4 11 S
5 13 R
... ... ...
我想根据值列“Ops”添加一个新列“Num2”,例如:
df %〉% mutate(Num2=ifelse(Ops="S",Num-1, Num+1))
我不确定我是否应该做很多 ifelse
任务 - 感觉多余且效率低下 .
必须有一个更好的解决方案,可能使用“group_by,select,filter”的某些组合 . 有什么建议?
基本上我想弄清楚是否有办法根据某些标准对数据进行分组,然后将不同的函数应用于不同的子集,最后将结果合并在一起 . 我找到的典型dplyr示例将相同的函数应用于所有子集 .
下面的@eddi使用data.table提供了更通用的解决方案 . 是否有dplyr等价物?
2 回答
有一个包含
mutate_if
函数的dplyrExtras
包 .您可以轻松避免使用
ifelse
作为数字返回值 . 只需将条件转换为数字并使用适当的数值计算 .