跨列 case_when 變異以創建新的“標志”列

Question

我有一個巨大的數據集 (df)，其中包含許多列，列出了每個國家 (ISO3) 和每年 (Year) 接受治療的人數 x (例如 Treat_1) 的信息。

我需要生成一個名為“Flag_Treat_X”的新列（其中 X 代表原始列名，例如 Treat_1）。 在本專欄中，我需要將與上一年相比的任何治療下降記錄為“下降”，增加為“上升”，在缺失數據的情況下記錄為 NA。 所有包含治療信息的列的名稱中都有“_”，但實際的 df 使用復雜的名稱，如 HIV_treatment 等，而不是此處使用的字符串和數字的組合。 我知道有幾種方法可以逐列（見下文），但數據集非常龐大，變量名稱經常變化，我需要一種自動化的方法來做到這一點。

這是一個簡化示例的代碼：

ISO3 <- c("AFG", "AFG","AFG", "BEN", "BEN","BEN", "GIN", "GIN", "GIN", "ZWE", "ZWE", "ZWE")
Year <- c(2020, 2021, 2022, 2020, 2021, 2022, 2020, 2021, 2022, 2020, 2021, 2022)
Treat_1 <- c(100, 110, 120, 300, 330, 360, 200, 220, 100, 300, NA, 320)

df = data.frame(ISO3, Year, Treat_1)

這是我如何逐列手動完成的示例

df_poutcome %>%
   group_by(ISO3) %>%
   mutate(Target_art_n_pf = case_when(Treat_1<lag(Treat_1) ~ "down",
                                      Treat_1>lag(Treat_1) ~ "up", 
                                      TRUE ~ as.character(NA)))

這是一個使用循環“幾乎”工作的示例（不是很優雅）

for (i in grep("_", names(temp), value=TRUE)){
 
  varname = ((gsub(" ", "", paste("Flag_",i))))
  temp = temp %>%
       group_by(ISO3) %>%
       mutate(!!varname:= case_when(i<lag(i) ~ "down",
                                   i>lag(i) ~ "up"))

}

錯誤是我只獲得所有新“Flag_ [...]”變量和代碼的 NA 值

TRUE ~ as.character(NA)

不在 case_when 代碼中運行，因此我必須將其刪除。

期望的結果應如下所示：

ISO3	年	款待_1	Flag_Treat_1
AFG	2020	100	不適用
AFG	2021	110	向上
AFG	2022	120	向上
本	2020	300	不適用
本	2021	330	向上
本	2022	360	向上
杜松子酒	2020	200	不適用
杜松子酒	2021	220	向上
杜松子酒	2022	100	下
ZWE	2020	300	不適用
ZWE	2021	不適用	不適用
ZWE	2022	320	不適用

作為獎勵，任何人都知道，自動為每種處理生成國家特定的圖以進行目視檢查會很棒。 這不那么緊急。 到目前為止，我有：

countries <- unique(df$ISO3)

plot_list <- list()
i <- 1

for (c in countries){
  pl <- ggplot(data = df %>% filter(ISO3 == c)) +
    geom_point(aes(Year, Treat_1), size = 3, color = 'red') +
    labs(title = as.character(c), x = 'wave', y = 'value') +
    theme_bw(base_size = 16) +
    xlim(2020,  2022)
  
  plot_list[[i]] <- pl
  i <- i + 1
}

pdf('path/filename.pdf')
pdf.options(width = 9, height = 7)
for (i in 1:length(plot_list)){
  print(plot_list[[i]])
}
dev.off()

這是針對一個治療變量 Treat_1 並且以自動方式對所有治療變量執行此操作會很棒

提前感謝您的幫助。

Answer 1

您可以使用 cross across()跨具有條件的列（此處為名稱中包含"_"的列）應用 function，並使用.names參數命名結果列：

df %>%
  group_by(ISO3) %>%
  mutate(across(contains("_"),
    \(x) case_when(
      x < lag(x) ~ "down",
      x > lag(x) ~ "up", 
      TRUE ~ as.character(NA)
    ),
    .names = "flag_{.col}"
  ))
# # A tibble: 12 × 4
# # Groups:   ISO3 [4]
#    ISO3   Year Treat_1 flag_Treat_1
#    <chr> <dbl>   <dbl> <chr>       
#  1 AFG    2020     100 NA          
#  2 AFG    2021     110 up          
#  3 AFG    2022     120 up          
#  4 BEN    2020     300 NA          
#  5 BEN    2021     330 up          
#  6 BEN    2022     360 up          
#  7 GIN    2020     200 NA          
#  8 GIN    2021     220 up          
#  9 GIN    2022     100 down        
# 10 ZWE    2020     300 NA          
# 11 ZWE    2021      NA NA          
# 12 ZWE    2022     320 NA    

Answer 2

非常感謝大家的快速回復。 我最終使用了混合的響應來讓它在我身邊運行。 代碼如下。

df %>%
  group_by(ISO3) %>%
  mutate(across(contains("_"),
                ~case_when(
                  .x < lag(.x) ~ "down",
                  .x > lag(.x) ~ "up", 
                  TRUE ~ as.character(NA)
                ),
                .names = "flag_{.col}"
  ))

我不得不將 Gregor Thomas 建議的\(x)更改為 jdobres ~case_when(.x < lag(.x) ~ "down", .x > lag(.x) ~ "up", TRUE ~ as.character(NA) )因為它給了我一個意想不到的符號