组合逻辑向量来创建非逻辑向量

Question

我的数据框中有两个逻辑向量：

df <- data.frame(log1 = c(FALSE, FALSE, TRUE, FALSE, TRUE), log2 = c(TRUE, FALSE, FALSE, FALSE, TRUE))

我想将这两栏结合起来制作第三栏。但这个新列不应只包含逻辑值。相反，它应该为第三列分配三个值之一 - “高”、“异常值”或“正常”。 “高”优先，因此第 5 行的第三列应显示“高”而不是“异常值”。

我想可以使用

if

和

else

来做到这一点，但我无法使用以下代码使其工作：

df$new <- NA
if(df$log1 == TRUE){
  df$new <-  "high"
  } else if(df$log2 == TRUE) {
    df$new  <-  "outlier"
    } else {
      df$new  <-  "normal"
      }

有人可以帮忙吗？

Answer 1

这都是关于

ifelse

及其衍生物。

基础R

ifelse(df$log1, "high", ifelse(df$log1, "outlier", "normal"))
# [1] "normal" "normal" "high"   "normal" "high"  

dplyr

我们可以嵌套

dplyr::if_else

，但嵌套通常鼓励我们使用

case_when

。

library(dplyr)
df %>%
  mutate(new = case_when(log1 ~ "high", log2 ~ "outlier", TRUE ~ "normal"))
#    log1  log2     new
# 1 FALSE  TRUE outlier
# 2 FALSE FALSE  normal
# 3  TRUE FALSE    high
# 4 FALSE FALSE  normal
# 5  TRUE  TRUE    high

数据表

同样，

fifelse

和

fcase

：

df %>%
  mutate(
    new1 = if_else(log1, "high", if_else(log2, "outlier", "normal")), 
    new2 = case_when(log1 ~ "high", log2 ~ "outlier", TRUE ~ "normal")
  )
#    log1  log2    new1    new2
# 1 FALSE  TRUE outlier outlier
# 2 FALSE FALSE  normal  normal
# 3  TRUE FALSE    high    high
# 4 FALSE FALSE  normal  normal
# 5  TRUE  TRUE    high    high

数据表

同样，

fifelse

和

fcase

：

library(data.table)
as.data.table(df)[, new1 := fifelse(log1, "high", fifelse(log2, "outlier", "normal"))
  ][, new2 := fcase(log1, "high", log2, "outlier", rep(TRUE, .N), "normal")][]
#      log1   log2    new1    new2
#    <lgcl> <lgcl>  <char>  <char>
# 1:  FALSE   TRUE outlier outlier
# 2:  FALSE  FALSE  normal  normal
# 3:   TRUE  FALSE    high    high
# 4:  FALSE  FALSE  normal  normal
# 5:   TRUE   TRUE    high    high

请注意，虽然上面的

dplyr::case_when

使用波形符公式，如

cond1 ~ value1, cond2 ~ value2

，但

fcase

变体使用交替参数，

cond1, value1, cond2, value2, ...)

Answer 2

尝试不使用

if

/

else

:

df$new <- "normal"
df[df$log1, ]$new <- "high"
df[!df$log1 & df$log2, ]$new <- "outlier"

   log1  log2     new
1 FALSE  TRUE outlier
2 FALSE FALSE  normal
3  TRUE FALSE    high
4 FALSE FALSE  normal
5  TRUE  TRUE    high