dplyr 使用条件列和特定行进行变异

Question

我有一个带有两个分数列的 data.frame。我想有条件地按行使用其中之一的数据。我用下面的例子来解释......

> dff <- data.frame(dataset = c('Main','Main','b','b','c','c','d','d'), 
+                  score1 = c(0.01,0.02, 0.03, 0.04, 0.05, 0.06, 0.07, 0.08), 
+                  score2 = c(0.001, 0.2, 0.003, 0.4, 0.005, 0.6, 0.007, 0.8),
+                  name = c('A','B','A','B','A','B','A','B')); 
> dff
  dataset score1 score2 name
1    Main   0.01  0.001    A
2    Main   0.02  0.200    B
3       b   0.03  0.003    A
4       b   0.04  0.400    B
5       c   0.05  0.005    A
6       c   0.06  0.600    B
7       d   0.07  0.007    A
8       d   0.08  0.800    B

我试图从一个分数中为 which 的所有行选择所有值name == 'A'，对于name == 'B'. 我选择哪个分数取决于当 时哪个分数较小dataset == 'Main'。

因此，例如，在这个例子中，当name == 'A'，score2低于score1该Main数据集。因此，对于 where 的所有行name == 'A'，我将使用它们的值 from score2。

当name == 'B'，score1低于score2该Main数据集。因此，对于 where 的所有行name == 'B'，我将使用它们的值 from score1。最终结果如下所示：

  dataset score1 score2 name final
1    Main   0.01  0.001    A 0.001
2    Main   0.02  0.200    B 0.020
3       b   0.03  0.003    A 0.003
4       b   0.04  0.400    B 0.040
5       c   0.05  0.005    A 0.005
6       c   0.06  0.600    B 0.060
7       d   0.07  0.007    A 0.007
8       d   0.08  0.800    B 0.080

所以我想要做的是有条件地变异并创建新final列，这取决于该行的名称以及Main具有相同名称的数据集的哪个列较小。我试图想出一些优雅的东西来实现这一点，而不是一堆奇怪的代码行，但我还没有能够做到这一点。

编辑：我在这里包含了我的实际数据样本。

structure(list(datasets = c("main", "main", "bms", "bms", "sny", 
"sny", "chen", "chen", "van", "van"), test_high = c(0.639654382299527, 
0.561881930194033, NA, NA, 0.909598942079794, 0.651429614317738, 
0.189274551669056, 0.541845226349475, 0.41969855766237, 0.555858598773613
), test_low = c(0.402779917451124, 0.469868712458501, NA, NA, 
0.106383376175001, 0.381060050671353, 0.824427629626441, 0.468590829264603, 
0.594646024750062, 0.460036802365713), cell = c("high", "low", 
"low", "high", "high", "low", "high", "low", "low", "high")), .Names = c("datasets", 
"test_high", "test_low", "cell"), class = c("tbl_df", "tbl", 
"data.frame"), row.names = c(NA, -10L))


   # A tibble: 10 x 4
   datasets test_high  test_low  cell
      <chr>     <dbl>     <dbl> <chr>
 1     main 0.6396544 0.4027799  high
 2     main 0.5618819 0.4698687   low
 3      bms        NA        NA   low
 4      bms        NA        NA  high
 5      sny 0.9095989 0.1063834  high
 6      sny 0.6514296 0.3810601   low
 7     chen 0.1892746 0.8244276  high
 8     chen 0.5418452 0.4685908   low
 9      van 0.4196986 0.5946460   low
10      van 0.5558586 0.4600368  high

在这种情况下最终将最终与 test_low 相同，因为对于两个 Mains（即当单元格为“高”时，单元格为“低”时） test_low 列小于 test_high 列。

Answer 1

一种选择是 case_when

library(dplyr)
dff %>%
    mutate(final =  case_when(name == "A" & dataset == "Main" ~ score2,
                       name == "B" & dataset=="Main" ~score1, 
                       TRUE ~ pmin(score1, score2)))
#  dataset score1 score2 name final
#1    Main   0.01  0.001    A 0.001
#2    Main   0.02  0.200    B 0.020
#3       b   0.03  0.003    A 0.003
#4       b   0.04  0.400    B 0.040
#5       c   0.05  0.005    A 0.005
#6       c   0.06  0.600    B 0.060
#7       d   0.07  0.007    A 0.007
#8       d   0.08  0.800    B 0.080

基于编辑后的数据集（'dfn'），

dfn %>%
     filter(datasets == "main") %>% 
     gather(test, val, test_high:test_low) %>% 
     group_by(cell) %>% 
     summarise(test = test[which.max(val)]) %>% 
     left_join(dfn, .) %>%
     rowwise() %>% 
     mutate(final = get(test)) %>%
     select(-test)