使用多个条件使用dplyr进行变异

Question

我有一个数据框(df),我想添加一个额外的列result,使用dplyr将取值1 if z == "gone"和where x是组的最大值y.

   y  x    z
1  a  3 gone
2  a  5 gone
3  a  8 gone
4  a  9 gone
5  a 10 gone
6  b  1     
7  b  2     
8  b  4     
9  b  6     
10 b  7     

如果我只是为每个组选择最大值,它将是:

df %>%
  group_by(y) %>%
  slice(which.max(x))

将返回:

   y  x  z
1  a 10  gone
2  b  7      

这不是我想要的.我需要利用x每个组的最大值,y同时检查是否z == "gone",如果TRUE1 则为0.否则为0.这样看起来像:

   y  x    z result
1  a  3 gone      0
2  a  5 gone      0
3  a  8 gone      0
4  a  9 gone      0
5  a 10 gone      1
6  b  1           0
7  b  2           0
8  b  4           0
9  b  6           0
10 b  7           0

我假设我会在其中使用条件语句,mutate()但我似乎无法找到一个例子.请指教.

Answer 1

我们可以这样做data.table.我们将'data.frame'转换为'data.table'(setDT(df)),按'y'分组,我们创建'x'的最大值的逻辑条件和'z'中的'gone'元素,将其强制转换为'整数'(as.integer)和赋值(:=)输出到新列('结果').

library(data.table)
setDT(df)[, result := as.integer(x==max(x) & z=='gone') , by = y]
df
#    y  x    z result
# 1: a  3 gone      0
# 2: a  5 gone      0
# 3: a  8 gone      0
# 4: a  9 gone      0
# 5: a 10 gone      1
# 6: b  1           0
# 7: b  2           0
# 8: b  4           0
# 9: b  6           0
#10: b  7           0

或者我们可以使用ave从base R

df$result <- with(df, +(ave(x, y, FUN=max)==x & z=='gone' ))

Answer 2

随dplyr你可以使用:

df %>% group_by(y) %>% mutate(result = +(x == max(x) & z == 'gone'))

该+(..)表示法是简写as.integer到逻辑输出强制为1和0.有些人不喜欢它,所以这是一个较短的代码与可读性的问题.效率增益可以在这种情况下进行辩论.

也体会到了什么data.table和dplyr做了与R数据操纵,让我们做同样的事情在老式的"裂应用于-相结合"的方式:

#split data.frame by group
split.df <- split(df, df$y)

#apply required function to each group
lst <- lapply(split.df, function(dfx) {
        dfx$result <- +(dfx$x == max(dfx$x) & dfx$z == "gone")
        dfx})

#combine result in new data.frame
newdf <- do.call(rbind, lst)