dplyr mute avec des valeurs conditionnelles

Dans un grand dataframe ("myfile") avec quatre colonnes, je dois ajouter une cinquième colonne avec des valeurs conditionnellement basées sur les quatre premières colonnes.

Préférez les réponses avec dplyret mutate, principalement en raison de sa rapidité dans les grands ensembles de données.

Mon dataframe ressemble à ceci:

  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
...

Les valeurs de la cinquième colonne (V5) sont basées sur certaines règles conditionnelles:

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

Maintenant, je veux utiliser la mutatefonction pour utiliser ces règles sur toutes les lignes (pour éviter les boucles lentes). Quelque chose comme ça (et oui, je sais que ça ne marche pas comme ça!):

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

Cela devrait être le résultat:

  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

Comment faire cela dplyr?

Essaye ça:

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

donnant:

  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

ou ca:

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

donnant:

  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

Remarque

Suggérez-vous d'obtenir un meilleur nom pour votre bloc de données. myfile donne l'impression qu'il contient un nom de fichier.

Ci-dessus utilisé cette entrée:

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"))

Mise à jour 1 Depuis la publication initiale de dplyr a changé %.%pour %>%donc avoir modifié la réponse en conséquence.

La mise à jour 2 dplyr a maintenant case_whenune autre solution:

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

Avec dplyr 0.7.2, vous pouvez utiliser la case_whenfonction très 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)

Exprimé avec dplyr::mutate, il donne:

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

Veuillez noter qu'ils NAne sont pas traités spécialement, car cela peut être trompeur. La fonction ne sera renvoyée NAque si aucune condition ne correspond. Si vous mettez une ligne avec TRUE ~ ..., comme je l'ai fait dans mon exemple, la valeur de retour ne sera alors jamais NA.

Par conséquent, vous devez dire de manière expressive case_whende mettre à NAsa place en ajoutant une instruction comme is.na(x$V1) | is.na(x$V3) ~ NA_integer_. Astuce: la dplyr::coalesce()fonction peut être vraiment utile ici parfois!

De plus, s'il vous plaît noter que NAseuls travaillent habituellement pas, vous devez mettre spéciaux NAvaleurs: NA_integer_, NA_character_ou NA_real_.

Il semble que derivedFactorle mosaicpackage a été conçu pour cela. Dans cet exemple, cela ressemblerait à quelque chose comme:

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

(Si vous souhaitez que le résultat soit numérique au lieu d'un facteur, encapsulez le derivedFactoravec un as.numeric.)

Notez que l' .defaultoption combinée avec .method = "first"définit la condition "else" - cette approche est décrite dans le fichier d'aide pour derivedFactor.