dplyr使用条件列和特定行进行变异
我有一个带有两个得分列的data.frame。我希望在每行的基础上有条件地使用其中一个的数据。我用下面的一个例子来解释...
> dff <- data.frame(dataset = c('Main','Main','b','b','c','c','d','d'),
+ score1 = c(0.01,0.02, 0.03, 0.04, 0.05, 0.06, 0.07, 0.08),
+ score2 = c(0.001, 0.2, 0.003, 0.4, 0.005, 0.6, 0.007, 0.8),
+ name = c('A','B','A','B','A','B','A','B'));
> dff
dataset score1 score2 name
1 Main 0.01 0.001 A
2 Main 0.02 0.200 B
3 b 0.03 0.003 A
4 b 0.04 0.400 B
5 c 0.05 0.005 A
6 c 0.06 0.600 B
7 d 0.07 0.007 A
8 d 0.08 0.800 B
dataset score1 score2 name final
1 Main 0.01 0.001 A 0.001
2 Main 0.02 0.200 B 0.020
3 b 0.03 0.003 A 0.003
4 b 0.04 0.400 B 0.040
5 c 0.05 0.005 A 0.005
6 c 0.06 0.600 B 0.060
7 d 0.07 0.007 A 0.007
8 d 0.08 0.800 B 0.080
structure(list(datasets = c("main", "main", "bms", "bms", "sny",
"sny", "chen", "chen", "van", "van"), test_high = c(0.639654382299527,
0.561881930194033, NA, NA, 0.909598942079794, 0.651429614317738,
0.189274551669056, 0.541845226349475, 0.41969855766237, 0.555858598773613
), test_low = c(0.402779917451124, 0.469868712458501, NA, NA,
0.106383376175001, 0.381060050671353, 0.824427629626441, 0.468590829264603,
0.594646024750062, 0.460036802365713), cell = c("high", "low",
"low", "high", "high", "low", "high", "low", "low", "high")), .Names = c("datasets",
"test_high", "test_low", "cell"), class = c("tbl_df", "tbl",
"data.frame"), row.names = c(NA, -10L))
# A tibble: 10 x 4
datasets test_high test_low cell
<chr> <dbl> <dbl> <chr>
1 main 0.6396544 0.4027799 high
2 main 0.5618819 0.4698687 low
3 bms NA NA low
4 bms NA NA high
5 sny 0.9095989 0.1063834 high
6 sny 0.6514296 0.3810601 low
7 chen 0.1892746 0.8244276 high
8 chen 0.5418452 0.4685908 low
9 van 0.4196986 0.5946460 low
10 van 0.5558586 0.4600368 high
在这种情况下，Final最终将与test_low相同，因为对于两个Mains（即，当单元格为'high'时，单元格为'low时），test_low列小于test_high列。
共有1个答案
一个选项是case_when
library(dplyr)
dff %>%
mutate(final = case_when(name == "A" & dataset == "Main" ~ score2,
name == "B" & dataset=="Main" ~score1,
TRUE ~ pmin(score1, score2)))
# dataset score1 score2 name final
#1 Main 0.01 0.001 A 0.001
#2 Main 0.02 0.200 B 0.020
#3 b 0.03 0.003 A 0.003
#4 b 0.04 0.400 B 0.040
#5 c 0.05 0.005 A 0.005
#6 c 0.06 0.600 B 0.060
#7 d 0.07 0.007 A 0.007
#8 d 0.08 0.800 B 0.080
基于已编辑的数据集('DFN')，
dfn %>%
filter(datasets == "main") %>%
gather(test, val, test_high:test_low) %>%
group_by(cell) %>%
summarise(test = test[which.max(val)]) %>%
left_join(dfn, .) %>%
rowwise() %>%
mutate(final = get(test)) %>%
select(-test)
-
在一个有四列的大数据框（“myfile”）中，我必须添加第五列，其中的值有条件地基于前四列。 更喜欢使用和的答案，主要是因为它在大型数据集中的速度。 我的数据框如下所示： 第五列（V5）的值基于一些条件规则： 现在我想使用函数在所有行上使用这些规则（以避免慢循环）。类似这样的事情（是的，我知道这样不行！）： 结果应该是： 如何在dplyr中执行此操作？
-
我正在尝试使用创建一个新列，该列的值基于特定的列。 最后一个数据帧示例（我正在尝试创建): 这个问题基本上与此相反：dplyr-mutate：使用动态变量名。我不能使解决方案适应我的问题。
-
我试图计算许多列的行平均值。有人能解释一下为什么下面的代码只计算代码中两个变量（var_1和var_13）的平均值，而不是所有13列的平均值吗？
-
我有一个名称重复的数据集。如果名称重复，我想创建一个值为1（TRUE）或0（FALSE）的新列。 这是我使用的代码: 或者 然而，我得到了上面可以看到的错误。 另一个想法是使用group_by，然后计算计数。喜欢： 但是，它不能返回原始数据帧后group_by
-
我已经更新了dplyr(现在是0.7.1)，我的很多旧代码都不能用了，因为mutate_each已经被弃用了。我曾经用mutate_each做类似这样的事情(代码如下),使用列索引。我会在数百个专栏中这样做。而我就是搞不清楚如何用mutate_at正确使用vars参数。我看到的所有例子都使用了列名...我不想这么做。我确信这是一个简单的答案，但是我已经花了太多的时间试图弄明白它，并且将非常感谢一些
-
我试图计算在一个Tibble中源向量和比较向量之间的Jaccard相似度。 jaccard_sim中的所有值都为零。但是，如果我们运行类似这样的东西，我们得到第一个条目的正确的Jaccard相似度为0.2：