dplyr 패키지를 조건부 돌연변이에 사용할 수 있습니까?

dplyr 패키지를 조건부 돌연변이에 사용할 수 있습니까?

돌연변이가 조건부일 때(특정 열 값에 따라) 돌연변이를 사용할 수 있습니까?

이 예는 제가 의미하는 바를 보여주는 데 도움이 됩니다.

structure(list(a = c(1, 3, 4, 6, 3, 2, 5, 1), b = c(1, 3, 4, 
2, 6, 7, 2, 6), c = c(6, 3, 6, 5, 3, 6, 5, 3), d = c(6, 2, 4, 
5, 3, 7, 2, 6), e = c(1, 2, 4, 5, 6, 7, 6, 3), f = c(2, 3, 4, 
2, 2, 7, 5, 2)), .Names = c("a", "b", "c", "d", "e", "f"), row.names = c(NA, 
8L), class = "data.frame")

  a b c d e f
1 1 1 6 6 1 2
2 3 3 3 2 2 3
3 4 4 6 4 4 4
4 6 2 5 5 5 2
5 3 6 3 3 6 2
6 2 7 6 7 7 7
7 5 2 5 2 6 5
8 1 6 3 6 3 2

저는 dplyr 패키지를 사용하여 제 문제에 대한 해결책을 찾고 싶었습니다(그리고 네, 이 코드가 작동해서는 안 되는 코드라는 것을 알고 있지만, 목적은 분명합니다). g:

 library(dplyr)
 df <- mutate(df,
         if (a == 2 | a == 5 | a == 7 | (a == 1 & b == 4)){g = 2},
         if (a == 0 | a == 1 | a == 4 | a == 3 |  c == 4) {g = 3})

내가 찾고 있는 코드의 결과는 다음과 같은 특정 예제에서 다음과 같은 결과를 얻을 것입니다.

  a b c d e f  g
1 1 1 6 6 1 2  3
2 3 3 3 2 2 3  3
3 4 4 6 4 4 4  3
4 6 2 5 5 5 2 NA
5 3 6 3 3 6 2 NA
6 2 7 6 7 7 7  2
7 5 2 5 2 6 5  2
8 1 6 3 6 3 2  3

이 공급기를 어떻게 하는지 아는 사람 있나요?이 데이터 프레임은 하나의 예에 불과합니다. 제가 다루고 있는 데이터 프레임은 훨씬 더 큽니다.속도 때문에 dplyr을 사용하려고 했지만, 이 문제를 처리하는 다른 더 나은 방법이 있을까요?

사용하다ifelse

df %>%
  mutate(g = ifelse(a == 2 | a == 5 | a == 7 | (a == 1 & b == 4), 2,
               ifelse(a == 0 | a == 1 | a == 4 | a == 3 |  c == 4, 3, NA)))

추가됨 - if_else: dplyr 0.5에는 다음이 있습니다.if_else대체할 수 있도록 정의된 기능ifelse와 함께if_else하지만, 그 이후로if_else보다 엄격함ifelse(조건의 두 다리는 동일한 유형이어야 함) 그래서.NA그 경우에는 로 대체되어야 할 것입니다.NA_real_.

df %>%
  mutate(g = if_else(a == 2 | a == 5 | a == 7 | (a == 1 & b == 4), 2,
               if_else(a == 0 | a == 1 | a == 4 | a == 3 |  c == 4, 3, NA_real_)))

추가됨 - case_이 질문이 게시된 이후 dplyr이 추가되었습니다.case_when그래서 또 다른 대안은 다음과 같습니다.

df %>% mutate(g = case_when(a == 2 | a == 5 | a == 7 | (a == 1 & b == 4) ~ 2,
                            a == 0 | a == 1 | a == 4 | a == 3 |  c == 4 ~ 3,
                            TRUE ~ NA_real_))

추가됨 - 산술/na_만약 값이 숫자이고 (마지막에 NA의 기본값을 제외한) 조건이 서로 배타적이라면, 우리는 다음을 사용하여 각 항에 원하는 결과를 곱하는 산술식을 사용할 수 있습니다.na_if마지막에 0을 NA로 대체합니다.

df %>%
  mutate(g = 2 * (a == 2 | a == 5 | a == 7 | (a == 1 & b == 4)) +
             3 * (a == 0 | a == 1 | a == 4 | a == 3 |  c == 4),
         g = na_if(g, 0))

문제를 더 잘 처리할 수 있는 다른 방법을 묻기 때문에 다음과 같은 방법이 있습니다.data.table:

require(data.table)
setDT(df)
df[a %in% c(0,1,3,4) | c == 4, g := 3L]
df[a %in% c(2,5,7) | (a==1 & b==4), g := 2L]

조건문의 순서는 반대로 다음과 같습니다.g정확하게의 사본은 없습니다.g두 번째 과제 중에도 만들어짐 - 제자리에서 대체됨.

더 큰 데이터에서는 중첩된 데이터를 사용하는 것보다 성능이 더 우수합니다. if-else'예' 및 '아니오' 사례를 모두 평가할 수 있으며, 중첩은 IMHO를 읽기/유지하기 어려워질 수 있습니다.

---

다음은 비교적 큰 데이터에 대한 벤치마크입니다.

# NB: benchmark timings are as of R 3.1.0, data.table v1.9.2
require(data.table)
require(dplyr)
DT <- setDT(lapply(1:6, function(x) sample(7, 1e7, TRUE)))
setnames(DT, letters[1:6])
# > dim(DT) 
# [1] 10000000        6
DF <- as.data.frame(DT)

DT_fun <- function(DT) {
    DT[(a %in% c(0,1,3,4) | c == 4), g := 3L]
    DT[a %in% c(2,5,7) | (a==1 & b==4), g := 2L]
}
DPLYR_fun <- function(DF) {
    mutate(DF, g = ifelse(a %in% c(2,5,7) | (a==1 & b==4), 2L, 
           ifelse(a %in% c(0,1,3,4) | c==4, 3L, NA_integer_)))
}

BASE_fun <- function(DF) { # R v3.1.0
    transform(DF, g = ifelse(a %in% c(2,5,7) | (a==1 & b==4), 2L, 
              ifelse(a %in% c(0,1,3,4) | c==4, 3L, NA_integer_)))
}

system.time(ans1 <- DT_fun(DT))
#   user  system elapsed 
#  2.659   0.420   3.107 

system.time(ans2 <- DPLYR_fun(DF))
#   user  system elapsed 
# 11.822   1.075  12.976 

system.time(ans3 <- BASE_fun(DF))
#   user  system elapsed 
# 11.676   1.530  13.319 

identical(as.data.frame(ans1), as.data.frame(ans2))
# [1] TRUE

identical(as.data.frame(ans1), as.data.frame(ans3))
# [1] TRUE

이것이 당신이 요청한 대안인지 확실하지 않지만, 도움이 되길 바랍니다.

dplyr은 이제 기능이 있습니다.case_when벡터화된 if를 제공합니다.구문이 에 비해 조금 이상합니다.mosaic:::derivedFactor 수 , 는 dplyr 방변로수에세액 NA 표스할만하지야, 다 상당히 .mosaic:::derivedFactor.

df %>%
mutate(g = case_when(a %in% c(2,5,7) | (a==1 & b==4) ~ 2L, 
                     a %in% c(0,1,3,4) | c == 4 ~ 3L, 
                     TRUE~as.integer(NA)))

편집: 사용 중인 경우dplyr::case_when()' 변수 0.7.0 패 버 를 변 이 ' 키 붙 야 여 ' 니 합 다 이 앞 '를 붙여야 ..$ write (예: 쓰기).$a == 1東京의 case_when).

벤치마크:벤치마크(Arun 게시물의 함수 재사용) 및 표본 크기 감소:

require(data.table) 
require(mosaic) 
require(dplyr)
require(microbenchmark)

set.seed(42) # To recreate the dataframe
DT <- setDT(lapply(1:6, function(x) sample(7, 10000, TRUE)))
setnames(DT, letters[1:6])
DF <- as.data.frame(DT)

DPLYR_case_when <- function(DF) {
  DF %>%
  mutate(g = case_when(a %in% c(2,5,7) | (a==1 & b==4) ~ 2L, 
                       a %in% c(0,1,3,4) | c==4 ~ 3L, 
                       TRUE~as.integer(NA)))
}

DT_fun <- function(DT) {
  DT[(a %in% c(0,1,3,4) | c == 4), g := 3L]
  DT[a %in% c(2,5,7) | (a==1 & b==4), g := 2L]
}

DPLYR_fun <- function(DF) {
  mutate(DF, g = ifelse(a %in% c(2,5,7) | (a==1 & b==4), 2L, 
                    ifelse(a %in% c(0,1,3,4) | c==4, 3L, NA_integer_)))
}

mosa_fun <- function(DF) {
  mutate(DF, g = derivedFactor(
    "2" = (a == 2 | a == 5 | a == 7 | (a == 1 & b == 4)),
    "3" = (a == 0 | a == 1 | a == 4 | a == 3 |  c == 4),
    .method = "first",
    .default = NA
  ))
}

perf_results <- microbenchmark(
  dt_fun <- DT_fun(copy(DT)),
  dplyr_ifelse <- DPLYR_fun(copy(DF)),
  dplyr_case_when <- DPLYR_case_when(copy(DF)),
  mosa <- mosa_fun(copy(DF)),
  times = 100L
)

이것은 다음을 제공합니다.

print(perf_results)
Unit: milliseconds
           expr        min         lq       mean     median         uq        max neval
         dt_fun   1.391402    1.560751   1.658337   1.651201   1.716851   2.383801   100
   dplyr_ifelse   1.172601    1.230351   1.331538   1.294851   1.390351   1.995701   100
dplyr_case_when   1.648201    1.768002   1.860968   1.844101   1.958801   2.207001   100
           mosa 255.591301  281.158350 291.391586 286.549802 292.101601 545.880702   100

그derivedFactor에서 합니다.mosaic패키지는 이것을 처리하도록 설계된 것 같습니다.예를

library(dplyr)
library(mosaic)
df <- mutate(df, g = derivedFactor(
     "2" = (a == 2 | a == 5 | a == 7 | (a == 1 & b == 4)),
     "3" = (a == 0 | a == 1 | a == 4 | a == 3 |  c == 4),
     .method = "first",
     .default = NA
     ))

에는 랩핑(결과요대인숫신표수랩있면다핑습니할려하시를자로)할 수 derivedFactor순식간에as.numeric

derivedFactor임의의 수의 조건에도 사용할 수 있습니다.

case_when이제 다음과 같은 경우 SQL 스타일 사례를 상당히 완벽하게 구현했습니다.

structure(list(a = c(1, 3, 4, 6, 3, 2, 5, 1), b = c(1, 3, 4, 
2, 6, 7, 2, 6), c = c(6, 3, 6, 5, 3, 6, 5, 3), d = c(6, 2, 4, 
5, 3, 7, 2, 6), e = c(1, 2, 4, 5, 6, 7, 6, 3), f = c(2, 3, 4, 
2, 2, 7, 5, 2)), .Names = c("a", "b", "c", "d", "e", "f"), row.names = c(NA, 
8L), class = "data.frame") -> df


df %>% 
    mutate( g = case_when(
                a == 2 | a == 5 | a == 7 | (a == 1 & b == 4 )     ~   2,
                a == 0 | a == 1 | a == 4 |  a == 3 | c == 4       ~   3
))

dplyr 0.7.4 사용

설명서: http://dplyr.tidyverse.org/reference/case_when.html

언급URL : https://stackoverflow.com/questions/24459752/can-dplyr-package-be-used-for-conditional-mutating