dplyr muta con valori condizionali

Question 1

In un dataframe di grandi dimensioni ("myfile") con quattro colonne devo aggiungere una quinta colonna con valori basati condizionatamente sulle prime quattro colonne.

Preferisci risposte con dplyre mutate, principalmente a causa della sua velocità in set di dati di grandi dimensioni.

Il mio dataframe ha questo aspetto:

  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
...

I valori della quinta colonna (V5) si basano su alcune regole condizionali:

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

Ora voglio utilizzare la mutatefunzione per utilizzare queste regole su tutte le righe (per evitare cicli lenti). Qualcosa del genere (e sì, lo so che non funziona in questo modo!):

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

Questo dovrebbe essere il risultato:

  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

Come farlo in dplyr?

Question 2

Prova questo:

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

dando:

  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

o questo:

myfile %>% mutate(V5 = ifelse(V1 == 1 & V2 != 4, 1, ifelse(V2 == 4 & V3 != 1, 2, 0)))

dando:

  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

Nota

Ti suggerisco di ottenere un nome migliore per il tuo data frame. myfile fa sembrare che contenga un nome di file.

Sopra utilizzato questo input:

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"))

Aggiornamento 1 Da quando originariamente pubblicato dplyr è cambiato %.%in %>%quindi ho modificato la risposta di conseguenza.

L'aggiornamento 2 dplyr ora ha case_whenche fornisce un'altra soluzione:

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

Question 3

Con dplyr 0.7.2puoi usare la case_whenfunzione molto utile :

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)

Espresso con dplyr::mutate, dà:

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

Si prega di notare che NAnon sono trattati in modo speciale, in quanto possono essere fuorvianti. La funzione tornerà NAsolo quando nessuna condizione viene soddisfatta. Se metti una riga con TRUE ~ ..., come ho fatto nel mio esempio, il valore restituito non sarà maiNA .

Pertanto, devi dire espressamente case_whendi mettere NAdove appartiene aggiungendo una dichiarazione come is.na(x$V1) | is.na(x$V3) ~ NA_integer_. Suggerimento: la dplyr::coalesce()funzione può essere davvero utile qui a volte!

Inoltre, si ricorda che NAda sola sarà solitamente non funzionano, bisogna mettere particolari NAvalori: NA_integer_, NA_character_o NA_real_.

Question 4

Sembra che derivedFactordal mosaicpacchetto sia stato progettato per questo. In questo esempio, sarebbe simile a:

library(mosaic)
myfile <- mutate(myfile, V5 = derivedFactor(
    "1" = (V1==1 & V2!=4),
    "2" = (V2==4 & V3!=1),
    .method = "first",
    .default = 0
    ))

(Se vuoi che il risultato sia numerico invece di un fattore, racchiudi il derivedFactorcon un as.numeric.)

Notare che l' .defaultopzione combinata con .method = "first"imposta la condizione "else" - questo approccio è descritto nel file della guida per derivedFactor.