dplyr使用条件值进行变异

Question

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dplyr和mutate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：

  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（以避免慢循环）。类似这样的事情（是的，我知道这样不行！）：

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

结果应该是：

  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？

Answer 1

它看起来像是从Mosaic包中派生的Factor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
    ))

（如果希望结果是数字而不是因子，请将derivedFactor用包装为.numeric）

请注意，。与组合的默认选项。method=“first”设置“else”条件——此方法在derivedFactor的帮助文件中介绍。

Answer 2

匿名用户

使用dplyr 0.7。2，您可以在功能时使用非常有用的case\u：

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未被特别处理，因为这可能会产生误导。只有在不匹配任何条件时，该函数才会返回NA。如果你在一行中加上TRUE~，就像我在示例中所做的那样，返回值将永远不会是NA。

因此，您必须通过添加类似于is的语句，明确地告诉case\u何时将NA放在它所属的位置。na（x$V1）|是。na（x$V3）~na_整数。提示：dplyr:：coalesce（）函数有时在这里非常有用！

此外，请注意，NA单独使用通常不起作用，您必须输入特殊的NA值：NA\u整数、NA\u字符或NA\u实数。

Answer 3

试试这个：

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

给予：

  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

或者这个：

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

给予：

  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

建议您为数据框取一个更好的名称。myfile使其看起来好像包含一个文件名。

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"))

自最初发布以来的更新1 dplyr已更改%。% 至%

更新2 dplyr现在有case\u when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))