使用 dplyr 有条件地替换列中的值

Question

我有一个示例数据集，其中有一列的内容如下：

Candy
Sanitizer
Candy
Water
Cake
Candy
Ice Cream
Gum
Candy
Coffee

我想做的就是将其替换为两个因素 - “糖果”和“非糖果”。我可以使用 Python/Pandas 做到这一点，但似乎无法找出基于 dplyr 的解决方案。谢谢！

Answer 1

在

dplyr

和

tidyr

dat %>% 
    mutate(var = replace(var, var != "Candy", "Not Candy"))

比

ifelse

方法快得多。 创建初始数据框的代码如下：

library(dplyr)
dat <- as_data_frame(c("Candy","Sanitizer","Candy","Water","Cake","Candy","Ice Cream","Gum","Candy","Coffee"))
colnames(dat) <- "var"

Answer 2

使用

dplyr

的另一种解决方案：case_when

dat %>%
    mutate(var = case_when(var == 'Candy' ~ 'Candy',
                           TRUE ~ 'Non-Candy'))

的语法是

case_when

。文档

这里

。 可能比使用

condition ~ value to replace

的解决方案效率低，但优点是可以在单个命令中执行多个替换，同时仍然具有良好的可读性，即替换以产生三个级别：

replace

Answer 3

dat %>%
    mutate(var = case_when(var == 'Candy' ~ 'Candy',
                           var == 'Water' ~ 'Water',
                           TRUE ~ 'Neither-Water-Nor-Candy'))

并且您的列是

dat

：var

Answer 4

dat = dat %>% mutate(candy.flag = factor(ifelse(var == "Candy", "Candy", "Non-Candy")))

。假设

dplyr

已作为因子存储：var

参见

non_c <- setdiff(levels(dat$var), "Candy")
    
levels(dat$var) <- list(Candy = "Candy", "Non-Candy" = non_c)

。

这比

?levels

方法更高效，后者

肯定会很慢

： ifelse

也就是说，速度快了 9 倍。

Answer 5

mutate

和列表的组合似乎提供了一种简单的解决方案：

library(microbenchmark)
set.seed(01239)
# resample data
smp <- data.frame(sample(dat$var, 1e6, TRUE))
names(smp) <- "var"
    
timings <- replicate(50, {
  # copy data to facilitate reuse
  cop <- smp
  t0 <- get_nanotime()
  levs <- setdiff(levels(cop$var), "Candy")
  levels(cop$var) <- list(Candy = "Candy", "Non-Candy" = levs)
  t1 <- get_nanotime() - t0

  cop <- smp
  t0 <- get_nanotime()
  cop = cop %>%
    mutate(candy.flag = factor(ifelse(var == "Candy", "Candy", "Non-Candy")))
  t2 <- get_nanotime() - t0

  cop <- smp
  t0 <- get_nanotime()
  cop$var <- 
    factor(cop$var == "Candy", labels = c("Non-Candy", "Candy"))
  t3 <- get_nanotime() - t0
  c(levels = t1, dplyr = t2, direct = t3)
})

x <- apply(times, 1, median)
x[2]/x[1]
#    dplyr   direct 
# 8.894303 4.962791 

Answer 6

# assuming that all sweet things fall in one category

dat <- data.frame(var = c("Candy", "Sanitizer", "Candy", "Water", "Cake", "Candy", "Ice Cream", "Gum", "Candy", "Coffee"))

conditions <- list("Candy" = TRUE, "Sanitizer" = FALSE, "Water" = FALSE, 
"Cake" = TRUE, "Ice Cream" = TRUE, "Gum" = TRUE, "Coffee" = FALSE)

dat %>% mutate(sweet = conditions[var])

 中的 

case_matchdplyr

Answer 7

此外，嵌入的 ifelse 可以模拟与 PhJ 提出的 case_when 解决方案相同的情况（不过，我确实喜欢他的可读性）！

library(dplyr)
dat %>% 
    mutate(var = case_match(var, "Candy" ~ var, 
                           .default ~ "Not Candy"))