mutate和mutate_的区别

Question

通过这篇文章，我正在学习如何处理不平衡数据：https://www.r-bloggers.com/dealing-with-unbalanced-data-in-machine-learning/

而变异是一种简单的方法，可以用"dplyr“中的新值替换原始的NA值。

下面是出错的代码：

    models <- list(original = model_rf,
                       under = model_rf_under,
                       over = model_rf_over,
                       smote = model_rf_smote,
                       rose = model_rf_rose)
    comparison <- data.frame(model = names(models),
                         Sensitivity = rep(NA, length(models)),
                         Specificity = rep(NA, length(models)),
                         Precision = rep(NA, length(models)),
                         Recall = rep(NA, length(models)),
                         F1 = rep(NA, length(models)))

    for (name in names(models)) {
  model <- get(paste0("cm_", name))

  comparison[comparison$model == name, ] <- filter(comparison, model == name) %>%
    mutate(Sensitivity = model$byClass["Sensitivity"],
           Specificity = model$byClass["Specificity"],
           Precision = model$byClass["Precision"],
           Recall = model$byClass["Recall"],
           F1 = model$byClass["F1"])
}

然而，当我运行它时，我总是得到这样的错误：$ operator对于原子向量是无效的。我仔细检查了代码，发现问题可能来自于函数"mutate“。我试着使用mutate_，它是有效的。

但我不知道它为什么会起作用。我非常想知道mutate()和mutate_()之间的区别，谢谢！

Answer 1

我不能测试它，因为我没有任何数据，所以可能有一些bug。但是，您应该尝试这样做：

library(dplyr)
get_results <- function(name) {
  model <- sym(paste0("cm_", name))

  list(data.frame(
    Sensitivity = !!model$byClass["Sensitivity"],
    Specificity = !!model$byClass["Specificity"],
    Precision = !!model$byClass["Precision"],
    Recall = !!model$byClass["Recall"],
    F1 = !!model$byClass["F1"]
  ))
}

comparison <- comparison %>%
  group_by(model) %>%
  mutate(temp_obj = get_results(model))) %>%
  unnest()

这完全取代了for-循环。