[当使用case_when（R向量化）时存在大量类别/类型时，R应用多种功能

Question

假设我具有以下形式的数据集：

City=c(1,2,2,1)
Business=c(2,1,1,2)
ExpectedRevenue=c(35,20,15,19)
zz=data.frame(City,Business,ExpectedRevenue)
zz_new=do.call("rbind", replicate(zz, n=30, simplify = FALSE))

我的实际数据集包含约20万行。此外，它还包含100多个城市的信息。假设，对于每个城市（我也称为“类型”），我需要应用以下功能：

#Writing the custom functions for the categories here

Type1=function(full_data,observation){
  NewSet=full_data[which(!full_data$City==observation$City),]
  BusinessMax = max(NewSet$ExpectedRevenue)+10*rnorm(1)
  return(BusinessMax)
}

Type2=function(full_data,observation){
  NewSet=full_data[which(!full_data$City==observation$City),]
  BusinessMax = max(NewSet$ExpectedRevenue)-100*rnorm(1)
  return(BusinessMax)
}

再次，以上两个功能是我用于说明的极其简单的功能。这里的想法是，对于每个城市（或“类型”），我需要为数据集中的每一行运行一个不同的函数。在上面的两个函数中，我使用了rnorm来检查并确保我们为每行绘制不同的值。

现在，对于整个数据集，我想先将观测值划分为其不同的城市（或“类型”）。我可以使用（zz_new [[“ City”]] == 1）[也请参见下文]。然后为每个类运行各自的功能。但是，当我运行下面的代码时，得到-Inf。

有人可以帮助我了解为什么会这样吗？

对于示例数据，我希望获得某个随机值的20加10倍（对于类型= 1）和某个随机值35减去100倍（对于Type = 2）。每行的值也应该不同，因为我是从随机正态分布中绘制它们的。

library(dplyr) #I use dplyr here
zz_new[,"AdjustedRevenue"] = case_when(
  zz_new[["City"]]==1~Type1(full_data=zz_new,observation=zz_new[,]),
  zz_new[["City"]]==2~Type2(full_data=zz_new,observation=zz_new[,])
)

非常感谢。

Answer 1

让我们看一下您的代码。我重写了您的代码

library(dplyr)
zz_new[,"AdjustedRevenue"] = case_when(
  zz_new[["City"]]==1~Type1(full_data=zz_new,observation=zz_new[,]),
  zz_new[["City"]]==2~Type2(full_data=zz_new,observation=zz_new[,])
)

to

zz_new %>%
  mutate(AdjustedRevenue = case_when(City == 1 ~ Type1(zz_new,zz_new),
                                     City == 2 ~ Type2(zz_new,zz_new)))

因为您使用的是dplyr，但请不要使用此软件包提供的强大工具。

除了使用mutate之外，一个关键的改变是我用zz_new[,]替换了zz_new。现在我们看到Type函数的两个参数都是相同的数据帧。

下一步：看一下您的功能

Type1 <- function(full_data,observation){
  NewSet=full_data[which(!full_data$City==observation$City),]
  BusinessMax = max(NewSet$ExpectedRevenue)+10*rnorm(1)
  return(BusinessMax)
}

由Type1(zz_new,zz_new)调用。因此，NewSet的定义为我们提供

NewSet=full_data[which(!full_data$City==observation$City),]

# replace the arguments
NewSet <- zz_new[which(!zz_new$City==zz_new$City),]

因此NewSet始终是零行的数据帧。将max应用于data.frame的空列将产生-Inf。