dplyr muda com valores condicionais

Question 1

Em um grande dataframe ("myfile") com quatro colunas, tenho que adicionar uma quinta coluna com valores condicionalmente baseados nas primeiras quatro colunas.

Prefira respostas com dplyr e mutate, principalmente por causa de sua velocidade em grandes conjuntos de dados.

Meu dataframe é parecido com este:

  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
...

Os valores da quinta coluna (V5) são baseados em algumas regras condicionais:

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

Agora eu quero usar a mutatefunção para usar essas regras em todas as linhas (para evitar loops lentos). Algo assim (e sim, eu sei que não funciona assim!):

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

Este deve ser o resultado:

  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

Como fazer isso dplyr?

Question 2

Experimente isto:

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

ou isto:

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

Sugiro que você obtenha um nome melhor para seu quadro de dados. myfile faz parecer que contém um nome de arquivo.

Acima usou esta entrada:

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"))

Atualização 1 Desde que postado originalmente, o dplyr mudou %.%para, %>%então modifiquei a resposta de acordo.

A atualização 2 dplyr agora case_whenoferece outra solução:

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

Question 3

Com dplyr 0.7.2, você pode usar a case_whenfunção muito útil :

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)

Expresso com dplyr::mutate, dá:

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

Observe que NAnão são tratados de maneira especial, pois podem ser enganosos. A função retornará NAapenas quando nenhuma condição for correspondida. Se você colocar uma linha com TRUE ~ ..., como fiz no meu exemplo, o valor de retorno nunca será NA.

Portanto, você deve dizer expressivamente case_whenpara colocar NAonde pertence, adicionando uma instrução como is.na(x$V1) | is.na(x$V3) ~ NA_integer_. Dica: a dplyr::coalesce()função pode ser muito útil aqui às vezes!

Além disso, por favor, note que NApor si só, geralmente não trabalho, você tem que colocar especiais NAvalores: NA_integer_, NA_character_ou NA_real_.

Question 4

Parece que derivedFactoro mosaicpacote foi projetado para isso. Neste exemplo, seria algo como:

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

(Se você quiser que o resultado seja numérico em vez de um fator, envolva o derivedFactorcom um as.numeric.)

Observe que a .defaultopção combinada com .method = "first"define a condição "else" - essa abordagem é descrita no arquivo de ajuda do derivedFactor.