dplyr 使用条件列和特定行进行变异
Posted
技术标签:
【中文标题】dplyr 使用条件列和特定行进行变异【英文标题】:dplyr mutate using conditional column and specific rows 【发布时间】:2018-06-24 19:47:21 【问题描述】:我有一个带有两个分数列的 data.frame。我想逐行有条件地使用其中一个的数据。我用下面的例子来解释......
> dff <- data.frame(dataset = c('Main','Main','b','b','c','c','d','d'),
+ score1 = c(0.01,0.02, 0.03, 0.04, 0.05, 0.06, 0.07, 0.08),
+ score2 = c(0.001, 0.2, 0.003, 0.4, 0.005, 0.6, 0.007, 0.8),
+ name = c('A','B','A','B','A','B','A','B'));
> dff
dataset score1 score2 name
1 Main 0.01 0.001 A
2 Main 0.02 0.200 B
3 b 0.03 0.003 A
4 b 0.04 0.400 B
5 c 0.05 0.005 A
6 c 0.06 0.600 B
7 d 0.07 0.007 A
8 d 0.08 0.800 B
我正在尝试从一个分数中为name == 'A'
的所有行选择所有值,name == 'B'
的值类似。我选择哪个分数取决于dataset == 'Main'
时哪个分数较小。
因此,例如,在此示例中,当 name == 'A'
时,score2
低于 score1
的 Main
数据集。因此,对于name == 'A'
所在的所有行,我将使用它们来自score2
的值。
当 name == 'B'
时,score1
低于 score2
的 Main
数据集。因此,对于name == 'B'
所在的所有行,我将使用它们来自score1
的值。最终结果如下所示:
dataset score1 score2 name final
1 Main 0.01 0.001 A 0.001
2 Main 0.02 0.200 B 0.020
3 b 0.03 0.003 A 0.003
4 b 0.04 0.400 B 0.040
5 c 0.05 0.005 A 0.005
6 c 0.06 0.600 B 0.060
7 d 0.07 0.007 A 0.007
8 d 0.08 0.800 B 0.080
所以我要做的是有条件地变异并创建新的final
列,具体取决于该行的名称,以及具有相同名称的Main
数据集的哪一列较小。我试图想出一些优雅的东西来完成这个,而不是一堆奇怪的代码行,但我还没有能够完成那个。
编辑: 我在这里包含了我的实际数据的样本。
structure(list(datasets = c("main", "main", "bms", "bms", "sny",
"sny", "chen", "chen", "van", "van"), test_high = c(0.639654382299527,
0.561881930194033, NA, NA, 0.909598942079794, 0.651429614317738,
0.189274551669056, 0.541845226349475, 0.41969855766237, 0.555858598773613
), test_low = c(0.402779917451124, 0.469868712458501, NA, NA,
0.106383376175001, 0.381060050671353, 0.824427629626441, 0.468590829264603,
0.594646024750062, 0.460036802365713), cell = c("high", "low",
"low", "high", "high", "low", "high", "low", "low", "high")), .Names = c("datasets",
"test_high", "test_low", "cell"), class = c("tbl_df", "tbl",
"data.frame"), row.names = c(NA, -10L))
# A tibble: 10 x 4
datasets test_high test_low cell
<chr> <dbl> <dbl> <chr>
1 main 0.6396544 0.4027799 high
2 main 0.5618819 0.4698687 low
3 bms NA NA low
4 bms NA NA high
5 sny 0.9095989 0.1063834 high
6 sny 0.6514296 0.3810601 low
7 chen 0.1892746 0.8244276 high
8 chen 0.5418452 0.4685908 low
9 van 0.4196986 0.5946460 low
10 van 0.5558586 0.4600368 high
在这种情况下,Final 最终将与 test_low 相同,因为对于两个 Mains(即当单元格为“高”且单元格为“低”时),test_low 列小于 test_high 列。
【问题讨论】:
在编辑中,预期的输出列是什么。看起来main
的 'test_high' 比 'high' 和 'low' 更高
【参考方案1】:
一个选项是case_when
library(dplyr)
dff %>%
mutate(final = case_when(name == "A" & dataset == "Main" ~ score2,
name == "B" & dataset=="Main" ~score1,
TRUE ~ pmin(score1, score2)))
# dataset score1 score2 name final
#1 Main 0.01 0.001 A 0.001
#2 Main 0.02 0.200 B 0.020
#3 b 0.03 0.003 A 0.003
#4 b 0.04 0.400 B 0.040
#5 c 0.05 0.005 A 0.005
#6 c 0.06 0.600 B 0.060
#7 d 0.07 0.007 A 0.007
#8 d 0.08 0.800 B 0.080
基于编辑的数据集('dfn'),
dfn %>%
filter(datasets == "main") %>%
gather(test, val, test_high:test_low) %>%
group_by(cell) %>%
summarise(test = test[which.max(val)]) %>%
left_join(dfn, .) %>%
rowwise() %>%
mutate(final = get(test)) %>%
select(-test)
【讨论】:
对,但问题在于使用哪一列应该取决于数据集 == 'Main' 时的值。所以有时我可能同时拥有 score1 和 score1,或者同时拥有 score2 和 score2,等等。 @Brandon 我也在逻辑中添加了Main
啊,我明白这个逻辑在做什么了。我需要对此进行调整,以便其他行使用数据集 ==“Main”时的信息。所以事情是这样开始的:case_when(name == "A" & dataset == "Main" ~ pmin(score1, score2), name == "B" & dataset == "Main" ~ pmin(score1, score2) , name == "A" ~ 当 name =="A" 和 dataset =="Main" 时使用任何列是最小值,name == "B" ~ 当 name = 时使用任何列是最小值="B" 和数据集 =="Main")。这有意义吗?
@Brandon 我认为您的示例有点造成混淆。你能否再举一个例子来给出一个独特的输出,而不是仅仅做一些ifelse
并获得预期的输出
@Brandon 我更新了一个解决方案。请检查是否符合您的预期【参考方案2】:
dff$final <- ifelse(dff$score2 < dff$score1 & dff$dataset == 'Main', dff$score2, dff$score1)
【讨论】:
以上是关于dplyr 使用条件列和特定行进行变异的主要内容,如果未能解决你的问题,请参考以下文章
dplyr 变异()。变异一个变量的问题,取决于匹配由matches()选择的特定名称的其他列中的非缺失值