dplyr case_when с динамическим количеством наблюдений

Вы хотите использовать dplyr и case_when, чтобы свернуть ряд столбцов индикатора в один столбец. Проблема в том, что я хочу иметь возможность свернуть неопределенное / динамическое количество столбцов.

Рассмотрим следующий набор данных, gear был разделен на ряд столбцов индикаторов.

library(dplyr)
data(mtcars)
mtcars = mtcars %>%
  mutate(g2 = ifelse(gear == 2, 1, 0),
         g3 = ifelse(gear == 3, 1, 0),
         g4 = ifelse(gear == 4, 1, 0)) %>%
  select(g2, g3, g4)

Я пытаюсь написать функцию, которая делает обратное.

Когда я знаю, сколько случаев это можно сделать следующим образом:

combine_indices = function(db, cols, vals){
  db %>% mutate(new_col = case_when(!!sym(cols[1]) == 1 ~ vals[1],
                                    !!sym(cols[2]) == 1 ~ vals[2],
                                    !!sym(cols[3]) == 1 ~ vals[3]))
}

cols = c("g2", "g3", "g4")
vals = c(2,3,4)
combine_indices(mtcars, cols, vals)

Однако я хотел бы, чтобы функция combine_indices обрабатывала любое количество столбцов индекса (сейчас она работает ровно для трех).

Согласно документации (?case_when), «если ваши шаблоны хранятся в списке, вы можете объединить его с !!!». Но я не могу заставить это работать:

patterns = list(sym(cols[1] == 1 ~ vals[1],
                sym(cols[2] == 1 ~ vals[2],
                sym(cols[3] == 1 ~ vals[3])

mtcars %>% mutate(new_col = case_when(!!!patterns))

Создает только новый столбец, заполненный NA.

Если бы !!!patterns работал, то было бы просто взять списки cols и vals и сгенерировать patterns. Однако я не могу правильно сформулировать вопросы. Надеюсь, что кто-то, более знакомый с вопросами, знает, как это сделать.

Обратите внимание: некоторые похожие вопросы SO были решены с использованием объединений или других функций. Однако я ограничен использованием case_when из-за того, как он преобразуется в sql при использовании dbplyr.


person Simon.S.A.    schedule 14.05.2020    source источник


Ответы (5)


Мы можем создать строку условий, использовать parse_exprs и соединить ее (!!!).

library(dplyr)
library(rlang)

combine_indices = function(db, cols, vals){
   db %>% mutate(new_col = case_when(!!!parse_exprs(paste(cols, '== 1 ~', vals))))
}


cols = c("g2", "g3", "g4")
vals = c(2,3,4)
combine_indices(mtcars, cols, vals)

который возвращает:

#   g2 g3 g4 new_col
#1   0  0  1       4
#2   0  0  1       4
#3   0  0  1       4
#4   0  1  0       3
#5   0  1  0       3
#6   0  1  0       3
#....

где paste динамически генерирует условия для case_when.

paste(cols, '== 1 ~', vals)
#[1] "g2 == 1 ~ 2" "g3 == 1 ~ 3" "g4 == 1 ~ 4"
person Ronak Shah    schedule 14.05.2020

Это решение должно создать столбец для любого значения в столбце шестеренки:

data <- mtcars %>% 
  mutate(mygear = gear) %>%
  pivot_wider(values_from = gear, names_from = gear, names_prefix = "g") %>% 
  mutate_at(vars(starts_with('g')), function(x) x/.$mygear) %>%
  mutate_if(is.numeric , replace_na, replace = 0) %>%
  rename(gear = mygear)

Мне нужно создать временный столбец mygear, поскольку pivot_wider не сохраняет столбец сводной таблицы.

> data
# A tibble: 32 x 14
     mpg   cyl  disp    hp  drat    wt  qsec    vs    am  carb  gear    g4    g3    g5
   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
 1  21       6  160    110  3.9   2.62  16.5     0     1     4     4     1     0     0
 2  21       6  160    110  3.9   2.88  17.0     0     1     4     4     1     0     0
 3  22.8     4  108     93  3.85  2.32  18.6     1     1     1     4     1     0     0
 4  21.4     6  258    110  3.08  3.22  19.4     1     0     1     3     0     1     0
 5  18.7     8  360    175  3.15  3.44  17.0     0     0     2     3     0     1     0
 6  18.1     6  225    105  2.76  3.46  20.2     1     0     1     3     0     1     0
 7  14.3     8  360    245  3.21  3.57  15.8     0     0     4     3     0     1     0
 8  24.4     4  147.    62  3.69  3.19  20       1     0     2     4     1     0     0
 9  22.8     4  141.    95  3.92  3.15  22.9     1     0     2     4     1     0     0
10  19.2     6  168.   123  3.92  3.44  18.3     1     0     4     4     1     0     0
# … with 22 more rows
person Paul van Oppen    schedule 14.05.2020

Вам нужно сделать объект в списке неоцененным выражением expr() для оценки case_when.
Если честно, я не совсем понял это, но это работа.

patterns <- list(expr(!!sym(cols[1]) == 1 ~ vals[1]),
                 expr(!!sym(cols[2]) == 1 ~ vals[2]),
                 expr(!!sym(cols[3]) == 1 ~ vals[3]))

ИЛИ проще

patterns <- exprs(!!sym(cols[1]) == 1 ~ vals[1],
                  !!sym(cols[2]) == 1 ~ vals[2],
                  !!sym(cols[3]) == 1 ~ vals[3])

mtcars %>% mutate(new_col = case_when(!!!patterns))
person cuttlefish44    schedule 14.05.2020

Для полноты картины только для этого конкретного варианта использования результат можно получить с помощью умножения матриц:

library(dplyr)
combine_indices = function(db, cols, vals){
  db %>% mutate(new_col = as.matrix(db[, cols]) %*% vals)
}

cols = c("g2", "g3", "g4")
vals = c(2, 3, 4)
combine_indices(mtcars, cols, vals)
   g2 g3 g4 new_col
1   0  0  1       4
2   0  0  1       4
3   0  0  1       4
4   0  1  0       3
5   0  1  0       3
6   0  1  0       3
7   0  1  0       3
8   0  0  1       4
9   0  0  1       4
10  0  0  1       4
11  0  0  1       4
12  0  1  0       3
13  0  1  0       3
14  0  1  0       3
15  0  1  0       3
16  0  1  0       3
17  0  1  0       3
18  0  0  1       4
19  0  0  1       4
20  0  0  1       4
21  0  1  0       3
22  0  1  0       3
23  0  1  0       3
24  0  1  0       3
25  0  1  0       3
26  0  0  1       4
27  0  0  0       0
28  0  0  0       0
29  0  0  0       0
30  0  0  0       0
31  0  0  0       0
32  0  0  1       4

Объяснение

Для строки 1 получаем

0 * 2 + 0 * 3 + 1 * 4 = 4
person Uwe    schedule 14.05.2020

Возможно, я неправильно смотрю на это, но я думаю, что это можно сделать более эффективно с помощью соединения:

cols <- tibble(g2 = c(1, 0, 0), g3 = c(0, 1, 0), g4 = c(0, 0, 1), val = c(2, 3, 4))
cols
# # A tibble: 3 x 4
#      g2    g3    g4   val
#   <dbl> <dbl> <dbl> <dbl>
# 1     1     0     0     2
# 2     0     1     0     3
# 3     0     0     1     4

# using your mtcars
left_join(mtcars, cols, by = c("g2", "g3", "g4"))
#    g2 g3 g4 val
# 1   0  0  1   4
# 2   0  0  1   4
# 3   0  0  1   4
# 4   0  1  0   3
# 5   0  1  0   3
# 6   0  1  0   3
# 7   0  1  0   3
# 8   0  0  1   4
# 9   0  0  1   4
# 10  0  0  1   4
# 11  0  0  1   4
# 12  0  1  0   3
# 13  0  1  0   3
# 14  0  1  0   3
# 15  0  1  0   3
# 16  0  1  0   3
# 17  0  1  0   3
# 18  0  0  1   4
# 19  0  0  1   4
# 20  0  0  1   4
# 21  0  1  0   3
# 22  0  1  0   3
# 23  0  1  0   3
# 24  0  1  0   3
# 25  0  1  0   3
# 26  0  0  1   4
# 27  0  0  0  NA
# 28  0  0  0  NA
# 29  0  0  0  NA
# 30  0  0  0  NA
# 31  0  0  0  NA
# 32  0  0  1   4
person r2evans    schedule 14.05.2020