Question

我有一个数据框，我在其中重新编码了几列，以便将999设置为NA

<div id="chart1"></div>

我想使用mutate_at（）和一系列列和recode（）而不是if_else（），但我仍然坚持如何给它条件。基于一些mutate_all示例，我认为像dfB <-dfA %>% mutate(adhere = if_else(adhere==999, as.numeric(NA), adhere)) %>% mutate(engage = if_else(engage==999, as.numeric(NA), engage)) %>% mutate(quality = if_else(quality==999, as.numeric(NA), quality)) %>% mutate(undrstnd = if_else(undrstnd==999, as.numeric(NA), undrstnd)) %>% mutate(sesspart = if_else(sesspart==999, as.numeric(NA), sesspart)) %>% mutate(attended = if_else(attended>=9, as.integer(NA), attended)) = NA这样的东西 - 但是我还需要NA来匹配.x的类型，我不确定如何使它成为类型敏感的

我试过了：

但我得到一个警告“未被替换的值被视为NA为.x不兼容。请详细说明替换或提供.default”我可以看到它的数字列，但不是整数列y2“

y <- data.frame(y1=c(1,2,999,3,4), y2=c(1L, 2L, 999L, 3L, 4L), y3=c(T,T,F,F,T))
z <- y %>%
    mutate_at( vars(y1:y2), funs(recode(.,`999` = as.numeric(NA))))

Answer 1

现在funs在dplyr中已贬值，这是新的处理方法：

z <- y %>%
  mutate_if(is.integer, as.numeric) %>%
  mutate_at(vars(y1:y2), list(~recode(.,`999` = NA_real_)))

将funs替换为list，并在~之前插入recode。

Answer 2

如果您尝试将某些内容重新编码为NA，则na_if（）函数也应该起作用。

Answer 3

当前基于dplyr documentation：

across（）取代了诸如summarise_at（），summarise_if（）和summarise_all（）之类的“作用域变体”。

因此，现在建议改为使用mutate和across。

就像Chris LeBoa said一样，如果您只想将烦人的值转换为NA，则函数na_if()可能是最佳选择：

y <- data.frame(y1=c(1,2,999,3,4), y2=c(1L, 2L, 999L, 3L, 4L), y3=c(T,T,F,F,T))

y
   y1  y2    y3
1   1   1  TRUE
2   2   2  TRUE
3 999 999 FALSE
4   3   3 FALSE
5   4   4  TRUE
 
z <- y %>%
    mutate(across(
        y1:y2,
        ~na_if(., 999)
    ))

z
  y1 y2    y3
1  1  1  TRUE
2  2  2  TRUE
3 NA NA FALSE
4  3  3 FALSE
5  4  4  TRUE

类似地，如果您确实要在多个列中recode个值，则可以遵循example中的bcarothers：

df1 <- tibble(Q7_1=1:5,
              Q7_1_TEXT=c("let's","see","grogu","this","week"),
              Q8_1=6:10,
              Q8_1_TEXT=rep("grogu",5),
              Q8_2=11:15,
              Q8_2_TEXT=c("grogu","is","the","absolute","best"))

df2 <- df1 %>%
    mutate(across(
        starts_with("Q8") & ends_with("TEXT"),
        ~recode(., "grogu"="mando")
    ))

使用dplyr重新编码多个列

3 个答案: