同时使用recode和case_when

Question

表1$subject包含变量“生物学”、“化学”和“物理”。对于表2，我想对此进行重新编码，将所有生物学/化学实例替换为1，将所有物理实例替换为0。

我尝试了以下代码，因为我相信这是可以使用recode和case_when命令实现的：

    Table2 <- recode(Table1, case_when(
    .$subject <= "biology" ~ 1,
    .$subject <= "chemistry" ~ 1,
    .$subject <= "physics" ~ 0))

目前，我收到一条错误消息，提示"case_when必须是一个双边公式，而不是一个逻辑公式“。我是R的新手，所以我不太确定我做错了什么。真的很感谢任何人有任何想法！

Answer 1

recode和case_when都是在矢量上运行，而不是在数据帧上运行。因此，要创建新的数据框，首先需要调用mutate，然后在mutate中使用recode或case_when创建新列(或覆盖现有列)。

(此外，从最新的dplyr版本开始，您在使用case_when时不再需要使用.$ )

library(tibble)
library(dplyr)

df <- tribble(
  ~subject,
  "chemistry",
  "biology",
  "physics"
)

df %>% 
  mutate(subject2 = case_when(
    subject == "chemistry" ~ 1,
    subject == "biology" ~ 1,
    subject == "physics" ~ 2,
  ))

#> # A tibble: 3 x 2
#>     subject subject2
#>       <chr>    <dbl>
#> 1 chemistry        1
#> 2   biology        1
#> 3   physics        2

df %>% 
  mutate(subject2 = recode(
    subject, 
    "chemistry" = 1,
    "biology" = 1,
    "physics" = 2,
  ))

#> # A tibble: 3 x 2
#>     subject subject2
#>       <chr>    <dbl>
#> 1 chemistry        1
#> 2   biology        1
#> 3   physics        2

Answer 2

这也让我想起了我第一次开始使用R的时候，我走过去向数据科学家提出了同样的问题。

他们与我分享了一种不同的方法，这种方法在这些情况下通常更可取。我已经回顾了很多次，很高兴能在早期学习到它。

数据库规范化方法(除非有人可以用一个更好的名字来帮助我们)涉及到将代码值映射到一个单独的数据帧中。然后获取映射值的集合，并将它们join到您想要编码的数据帧。

这有助于让代码更严格地负责操作，让数据帧负责保存值/数据。这不仅可以加快您的大部分工作，将您从硬编码查找表中的手工编码中节省下来，而且从长远来看，当有人正在调试或执行修改和重新开发时，这将使它变得更容易。

然后，规范化的数据管理方法将如下所示：

# your code mapping
df_map <- tribble(~subject,    ~subj_cd,
                  "chemistry", 1,
                  "biology",   1,
                  "physics",   0)

# a dummy raw dataframe that you might be wanting to encode
df_raw <- tibble(stud_id = 2678:2877,
                 subject = sample(c("chemistry",
                                    "biology",
                                    "physics",
                                    "astronomy"), 200, replace = TRUE))

# encoding the data
df_coded <- 
    df_raw %>% 
    left_join(df_map)
df_code

df_coded #A tibble: 200 x 3 stud_id subject subj_cd 1 2678物理2 22679物理2 32680生物学1 42681天文学NA 5 2682化学1 62683化学1 72684物理2 8 2685化学1 92686化学1 10 2687天文学NA # ...多了190行

如果您发现自己需要一种快速而简单的方法来构建更长的代码映射(或者，特别是与其他人共享它们)，那么您可能会发现Jenny Brian的googlesheets包非常有用(她是team tidyverse的成员)A really helpful vignette for it can be found here