Question

在一个包含四列的大型数据框（“myfile”）中，我必须添加第五列，其值有条件地基于前四列。

首选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（以避免慢速循环）。像这样的东西（是的，我知道它不会这样工作！）：</ p>

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

这应该是结果：

  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

试试这个：

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

，并提供：

  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)))

，并提供：

  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

注意

建议您为数据框提供更好的名称。 myfile使它看起来好像它拥有一个文件名。

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"))

更新1 由于最初发布的dplyr已将%.%更改为%>%，因此已相应修改了答案。

更新2 dplyr现在有case_when，这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))

Answer 2

使用dplyr 0.7.2，您可以使用非常有用的case_when函数：

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，它给出了：

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

请注意NA未经特别处理，因为它可能会产生误导。仅当没有条件匹配时，该函数才会返回NA。如果你使用TRUE ~ ...加上一行，就像我在我的示例中所做的那样，返回值将永远不会是NA。

因此，您必须通过添加case_when之类的语句，明确告诉NA将is.na(x$V1) | is.na(x$V3) ~ NA_integer_置于其所属的位置。提示：dplyr::coalesce()函数有时候非常有用！

此外，请注意，NA单独通常不起作用，您必须添加特殊的NA值：NA_integer_，NA_character_或NA_real_。< / p>

Answer 3

derivedFactor包中的mosaic似乎就是为此而设计的。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
    ))

（如果您希望结果是数字而不是因子，请使用derivedFactor包裹as.numeric。）

请注意，.default选项与.method = "first"相结合会设置＆＃34; else＆＃34; condition - 此方法在derivedFactor的帮助文件中进行了描述。

dplyr使用条件值进行变异

3 个答案:

注意