dplyr мутировать с условными значениями

В большом фрейме данных ("myfile") с четырьмя столбцами мне нужно добавить пятый столбец со значениями, условно основанными на первых четырех столбцах.

Предпочитайте ответы с помощью dplyr и mutate, главным образом из-за его скорости в больших наборах данных.

Мой фрейм данных выглядит так:

  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
...

Значения пятого столбца (V5) основаны на некоторых условных правилах:

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

Теперь я хочу использовать функцию mutate чтобы использовать эти правила во всех строках (чтобы избежать медленных циклов). Примерно так (и да, я знаю, что так не работает!):

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

Это должно быть результатом:

  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

Как это сделать в dplyr?

Ответ 1

Попробуй это:

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

давая:

  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

или это:

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

давая:

  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

Заметка

Предлагаю вам получить лучшее имя для вашего фрейма данных. myfile создает впечатление, что он содержит имя файла.

Выше использовали этот вход:

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"))

Обновление 1 Поскольку dplyr изначально опубликовал, изменил %.% %>% поэтому изменил ответ соответствующим образом.

Обновление 2 dplyr теперь имеет case_when который предоставляет другое решение:

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

Ответ 2

С dplyr 0.7.2 вы можете использовать очень полезную функцию case_when:

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)

Выраженный dplyr::mutate, он дает:

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

Обратите внимание, что к NA не обращаются специально, так как это может ввести в заблуждение. Функция вернет NA только тогда, когда не найдено ни одного условия. Если вы поставите строку с TRUE ~..., как я делал в моем примере, возвращаемое значение никогда не будет NA.

Следовательно, вы должны выразительно сказать case_when поместить NA на место, добавив оператор, подобный is.na(x$V1) | is.na(x$V3) ~ NA_integer_ is.na(x$V1) | is.na(x$V3) ~ NA_integer_. Подсказка: dplyr::coalesce() иногда может быть очень полезна здесь!

Кроме того, обратите внимание, что одно только NA обычно не будет работать, вы должны NA_integer_ специальные значения NA: NA_integer_, NA_character_ или NA_real_.

Ответ 3

Похоже, что derivedFactor из пакета mosaic был разработан для этого. В этом примере это выглядит примерно так:

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

(Если вы хотите, чтобы результат был числовым вместо фактора, оберните derivedFactor с помощью as.numeric.)

Обратите внимание, что параметр .default в сочетании с .method = "first" устанавливает условие "else" - этот подход описан в файле справки для derivedFactor.