Question

我有一个示例数据集，其列的读取方式如下：

Candy
Sanitizer
Candy
Water
Cake
Candy
Ice Cream
Gum
Candy
Coffee

我想做的是将其替换为两个因素 - “糖果”和“非糖果”。我可以用Python / Pandas做到这一点，但似乎无法弄清楚基于dplyr的解决方案。谢谢！

Answer 1

dplyr和tidyr

dat %>% 
    mutate(var = replace(var, var != "Candy", "Not Candy"))

明显快于ifelse方法。创建初始数据库的代码如下：

library(dplyr)
dat <- as_data_frame(c("Candy","Sanitizer","Candy","Water","Cake","Candy","Ice Cream","Gum","Candy","Coffee"))
colnames(dat) <- "var"

Answer 2

假设您的数据框为dat且您的专栏为var：

dat = dat %>% mutate(candy.flag = factor(ifelse(var == "Candy", "Candy", "Non-Candy")))

Answer 3

无需dplyr。假设var已存储为因素：

non_c <- setdiff(levels(dat$var), "Candy")

levels(dat$var) <- list(Candy = "Candy", "Non-Candy" = non_c)

请参阅?levels。

比ifelse方法更有效率，bound to be slow：

library(microbenchmark)
set.seed(01239)
smp <- data.frame(sample(dat$var, 1e6, TRUE))
names(smp) <- "var"

times <- 
  replicate(50, 
            {cop <- smp
            s <- get_nanotime()
            levs <- setdiff(levels(cop$var), "Candy")
            levels(cop$var) <- list(Candy = "Candy", "Non-Candy" = levs)
            d1 <- get_nanotime() - s
            cop <- smp
            s <- get_nanotime()
            cop = cop %>%
              mutate(candy.flag = factor(ifelse(var == "Candy", 
                                                "Candy", "Non-Candy")))
            d2 <- get_nanotime() - s
            cop <- smp
            s <- get_nanotime()
            cop$var <- 
              factor(cop$var == "Candy", labels = c("Non-Candy", "Candy"))
            d3 <- get_nanotime() - s
            c(levels = d1, dplyr = d2, direct = d3)})

(x <- apply(times, 1, median))[2]/x[1]
#    dplyr   direct 
# 8.894303 4.962791

也就是说，这快9倍。

Answer 4

使用dplyr和case_when的另一种解决方案：

dat %>%
    mutate(var = case_when(var == 'Candy' ~ 'Candy',
                           TRUE ~ 'Non-Candy'))

case_when的语法为condition ~ value to replace。文档here。

可能比使用replace的解决方案效率低，但是一个优点是可以在单个命令中执行多次替换，同时仍保持良好的可读性，即替换以产生三个级别：

dat %>%
    mutate(var = case_when(var == 'Candy' ~ 'Candy',
                           var == 'Water' ~ 'Water',
                           TRUE ~ 'Neither-Water-Nor-Candy'))

Answer 5

我认为，当您只需要两个值时，一个简单的ifelse（）很简单。

此外，嵌入式ifelses可以模拟与PhJ提出的case_when解决方案相同的情况（不过，我确实喜欢他的可读性）！

dat %>%
    mutate(
        var = ifelse(var == "Candy", "Candy", "Non-Candy")
    )

使用dplyr有条件地替换列中的值

5 个答案: