data.table 基於其他列創建新列的方式

Question

我正在編譯一些網絡研討會的結果，並有一個由三列組成的data.table - 電子郵件地址，如果他們參加了網絡研討會並且他們聽了錄音（ emails 、 webinar 、 recording ）：

# recycling is intentional here 
> dat <- data.table(emails = letters[1:10], webinar = c('yes', 'Yes', 'no', 'yes'), recording = c('Yes', NA, 'NA'))
> dat
    emails webinar recording
 1:      a     yes       Yes
 2:      b     Yes      <NA>
 3:      c      no        NA
 4:      d     yes       Yes
 5:      e     yes      <NA>
 6:      f     Yes        NA
 7:      g      no       Yes
 8:      h     yes      <NA>
 9:      i     yes        NA
10:      j     Yes       Yes

如果webinar或recording為Yes或yes ，我想添加一個值為 2 的新列score ，否則為 1。

使用上述示例數據，我可以通過以下方式獲得所需的輸出：

> dat[, score := ifelse(tolower(webinar) == 'yes' | tolower(recording) == 'yes', 2, 1), by = .(emails)]
> dat
    emails webinar recording score
 1:      a     yes       Yes     2
 2:      b     Yes      <NA>     2
 3:      c      no        NA     1
 4:      d     yes       Yes     2
 5:      e     yes      <NA>     2
 6:      f     Yes        NA     2
 7:      g      no       Yes     2
 8:      h     yes      <NA>     2
 9:      i     yes        NA     2
10:      j     Yes       Yes     2

但是，在我的實際數據集上，相同的邏輯失敗了：

              emails webinar recording score
  1: email_redacted1      No      <NA>    NA
  2: email_redacted2     Yes      <NA>  TRUE
  3: email_redacted3      No      <NA>    NA
  4: email_redacted4     Yes      <NA>  TRUE
  5: email_redacted5      No      <NA>    NA
 ---                         
204: email_redacted6      No      <NA>    NA
205: email_redacted7      No      <NA>    NA
206: email_redacted8      No      <NA>    NA
207: email_redacted9     Yes      <NA>  TRUE
208: email_redacted0      No      <NA>    NA

出於隱私原因，我手動刪除了電子郵件，但執行此操作的數據集是data.table並且與上面的示例具有相同的 3 列。

我確實在控制台中收到了一些警告：

50: In `[.data.table`(retdat, , `:=`(score, ifelse(tolower(webinar) ==  ... :
  Group 88 column 'score': 2.000000 (type 'double') at RHS position 1 taken as TRUE when assigning to type 'logical'

我目前的解決方法如下：最初將score設置為 1，然后在滿足任一條件時使用data.table “i”將其設置為 2：

dat$score <- 1
dat[tolower(webinar) == 'yes' | tolower(recording) == 'yes', score:= 2]

問題：

1. 我不太明白為什么我的樣本數據和實際數據（兩個數據表都具有相同的結構）得到不同的結果
2. 獲得所需輸出的首選data.table方式是什么（與示例數據一起顯示）

Answer 1

您的示例與您的實際數據集不同，因為您在ifelse的條件始終為TRUE或FALSE但在實際數據集中，它也有NA值（ TRUE | NA = TRUE, FALSE | NA = NA ）。 檢查?ifelse以獲取有關NA和結果類型的更多詳細信息。 基本上這發生了：

1. 向量的第一個值tolower(webinar) == 'yes' | tolower(recording) == 'yes' tolower(webinar) == 'yes' | tolower(recording) == 'yes'是NA
2. 如果值是NA在ifelse函數將返回NA的結果其位置
3. 因為結果中的第一個值是NA你的結果向量將是logical

您也可以刪除by ，這種操作不需要它。