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，如果z == "gone"将取值1，其中x是组y的最大值。

   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y每个组的x的最大值，同时检查是否z == "gone" ，如果为TRUE 1，否则为0.这看起来像：

   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mutate()使用条件语句，但我似乎无法找到一个例子。 请指教。

Answer 1

我们可以使用data.table来做到这data.table 。 我们将'data.frame'转换为'data.table'（ setDT(df) ），按'y'分组，我们创建'x'的最大值和'z'中'gone'元素的逻辑条件，将其强制转换为'integer'（ as.integer ）并将输出分配（ := ）到新列（'result'）。

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base R ave

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

Answer 2

使用dplyr您可以使用：

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

+(..)表示法是as.integer简写，用于将逻辑输出强制转换为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。

还要了解data.table和dplyr为R进行数据操作所做的事情，让我们用老式的“split-apply-combine”方式做同样的事情：

#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)