我确定之前已经问过,但我不知道要搜索什么,所以我提前道歉。
假设我有以下数据框:
grades <- data.frame(a = 1:40, b = sample(45:100, 40))
使用deplyr,我想创建一个新变量,根据以下标准指示学生收到的成绩:90-100 =优秀,80-90 =非常好等。
我认为我可以使用以下内容在mutate()内嵌入ifelse()来获得该结果:
grades %>%
mutate(ifelse(b >= 90, "excellent"),
ifelse(b >= 80 & b < 90, "very_good"),
ifelse(b >= 70 & b < 80, "fair"),
ifelse(b >= 60 & b < 70, "poor", "fail"))
这不起作用,因为我收到错误消息“参数no缺失,没有默认值”)。我认为“不”将是最后的“失败”,但显然我的语法错了。
如果我先单独过滤原始数据,然后调用ifelse,我可以得到这个,如下所示:
a <- grades %>%
filter( b >= 90) %>%
mutate(final = ifelse(b >= 90, "excellent"))
和rbind a,b,c等等。显然,这不是我想要的方式,但我想理解ifelse()的语法。我猜测后者是有效的,因为没有任何值不符合标准,但是当有多个ifelse时,我仍然无法弄清楚如何让它工作。
答案 0 :(得分:15)
使用级别和标签定义向量,然后在cut
列上使用b
:
levels <- c(-Inf, 60, 70, 80, 90, Inf)
labels <- c("Fail", "Poor", "fair", "very good", "excellent")
grades %>% mutate(x = cut(b, levels, labels = labels))
a b x
1 1 66 Poor
2 2 78 fair
3 3 97 excellent
4 4 46 Fail
5 5 89 very good
6 6 57 Fail
7 7 80 fair
8 8 98 excellent
9 9 100 excellent
10 10 93 excellent
11 11 59 Fail
12 12 51 Fail
13 13 69 Poor
14 14 75 fair
15 15 72 fair
16 16 48 Fail
17 17 74 fair
18 18 54 Fail
19 19 62 Poor
20 20 64 Poor
21 21 88 very good
22 22 70 Poor
23 23 85 very good
24 24 58 Fail
25 25 95 excellent
26 26 56 Fail
27 27 65 Poor
28 28 68 Poor
29 29 91 excellent
30 30 76 fair
31 31 82 very good
32 32 55 Fail
33 33 96 excellent
34 34 83 very good
35 35 61 Poor
36 36 60 Fail
37 37 77 fair
38 38 47 Fail
39 39 73 fair
40 40 71 fair
或使用data.table:
library(data.table)
setDT(grades)[, x := cut(b, levels, labels)]
或仅仅在基地R:
grades$x <- cut(grades$b, levels, labels)
在仔细研究了您的初始方法之后,我注意到您需要在right = FALSE
电话中加入cut
,因为例如,90分应该是“优秀的”,而不仅仅是“很好”。因此,它用于定义间隔应该关闭的位置(左侧或右侧),默认值位于右侧,这与OP的初始方法略有不同。所以在dplyr中,它将是:
grades %>% mutate(x = cut(b, levels, labels, right = FALSE))
因此在其他选项中。
答案 1 :(得分:5)
所有ifelse
都需要在彼此之内。试试这个:
mutate(ifelse(b >= 90, "excellent",
ifelse(b >= 80 & b < 90, "very_good",
ifelse(b >= 70 & b < 80, "fair",
ifelse(b >= 60 & b < 70, "poor", "fail")))))
答案 2 :(得分:0)
grades$c = grades$b # creating a new column
#and filling in the grades
grades$c[grades$c >= 90] = "exellent"
grades$c[grades$c <= 90 & grades$c >= 80] = "very good"
grades$c[grades$c <= 80 & grades$c >= 70] = "fair"
grades$c[grades$c <= 70 & grades$c >= 60] = "poor"
grades$c[grades$c <= 60] = "fail"