Объединить мутацию с условными значениями

В большом фрейме данных ("myfile") с четырьмя столбцами я должен добавить пятый столбец со значениями, основанными на первых четырех столбцах. Недавно я стал большим поклонником dplyr, в основном из-за его скорости в больших наборах данных. Поэтому мне было интересно, смогу ли я справиться со своей проблемой, используя функцию mutate.

Мой фрейм данных (на самом деле его более короткая версия) выглядит примерно так:

  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

Значения пятого столбца (V5) основаны на некоторых условных правилах:

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

Теперь я хочу использовать функцию mutate, чтобы использовать эти правила во всех строках (поэтому мне не нужно использовать медленный цикл). Примерно так (и да, я знаю, что так не работает!):

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

Это должно быть результатом:

  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

Как это сделать в dplyr?

Источник

3 ответа

Решение

Попробуй это:

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

давая:

  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

или это:

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

давая:

  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

Предложите получить лучшее имя для вашего фрейма данных. myfile создает впечатление, что он содержит имя файла.

Выше использовали этот вход:

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"))

Обновление 1, так как первоначально опубликованный dplyr изменился %.% в %>% поэтому изменили ответ соответственно.

Обновление 2 dplyr теперь имеет case_when который предоставляет другое решение:

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

С dplyr 0.7.2Вы можете использовать очень полезный case_when функция:

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)

Обратите внимание, что NA не рассматриваются специально, так как это может ввести в заблуждение. Функция вернется NA только когда не найдено ни одного условия. Если вы поставите строку с TRUE ~ ...Как и в моем примере, возвращаемое значение никогда не будет NA,

Вы должны выразительно выразить case_when класть NA где он принадлежит, добавив заявление, как is.na(x$V1) | is.na(x$V3) ~ NA_integer_, Подсказка: dplyr::coalesce() здесь иногда может быть очень полезна функция!

Более того, NA в одиночку обычно не получится, надо ставить спец NA ценности: NA_integer_, NA_character_ или же NA_real_,

Источник

Это выглядит как derivedFactor от mosaic Пакет был разработан для этого. В этом примере это будет выглядеть примерно так:

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

(Если вы хотите, чтобы результат был числовым вместо коэффициента, оберните derivedFactor с as.numeric.)

Обратите внимание, что .default вариант в сочетании с .method = "first" устанавливает условие "else" - этот подход описан в файле справки для derivedFactor,

Источник
Другие вопросы по тегам