Question

我是初学者，尝试使用dplyr进行数据分析。我的数据基本上来自一些操作（“Ops”）并且订购得很好。我经常需要根据操作类型对观察结果应用不同的函数（“Num”），然后将它们组合起来进行分析。

琐碎的例子如下：

  X      Num  Ops
  0       37   S
  1       18   R
  2       11   S
  3        3   R
  4       11   S
  5       13   R
  ...     ... ...

我想根据值列“Ops”添加一个新列“Num2”，例如：

df %〉% mutate(Num2=ifelse(Ops="S",Num-1, Num+1))

我不确定我是否应该做很多ifelse作业 - 感觉多余且效率低下。

必须有一个更好的解决方案，可能使用“group_by，select，filter”的某些组合。有什么建议吗？

基本上我想弄清楚是否有办法根据某些标准对数据进行分组，然后将不同的函数应用于不同的子集，最后将结果合并在一起。我找到的典型dplyr示例将相同的函数应用于所有子集。

下面的@eddi使用data.table提供了更通用的解决方案。是否有dplyr等价物？

Answer 1

有dplyrExtras个包，其中包含mutate_if个功能。

# install dplyrExtras
library(devtools)
install_github(repo="skranz/dplyrExtras")
require(dplyrExtras)
# code using mutate_if
df %>% 
  mutate(Num2 = Num+1) %>% 
  mutate_if(Ops=="S", Num2 = Num-1)

Answer 2

您可以轻松避免数字返回值ifelse。只需将条件转换为数字并使用适当的数值计算。

df %>% mutate(Num2 = Num - 2*(Ops=="S") + 1)

dplyr：将不同的功能应用于不同的组

2 个答案: