在R中，重新编码将所有内容转换为相同的值。

Question

我正在练习R，我创建了一个新列，其中包含连续的数字，名为ROI，并希望将数字值重新编码为R中的字符串值，如下所示：

df = mutate(diabetes_df, ROI = ifelse(ROI < 18.5, 'Under', ROI))
df = mutate(diabetes_df, ROI = ifelse(ROI >= 18.5 & ROI <= 25, 'average', ROI))

diabetes_df = mutate(diabetes_df, ROI = ifelse(ROI > 25 & BMI <= 30, 'above average', ROI))

这正常工作，只要满足条件，就会显示这些单词，不过，当我将最后一条ifelse语句放入时，它会显示这些单词：

df = mutate(diabetes_df, ROI = ifelse(ROI > 30, 'OVER', ROI))

它将我创建的新列中的每个值转换为OVER值。我想知道是否有人知道如何制作它，这样它只会在满足条件的地方说OVER？

Answer 1

我们可以用mtcars数据框架复制这个问题。第三个mutate()语句上的以下代码导致所有行将wt值设置为High，因为在第一个mutate()之后，wt列是字符值的向量。

library(dplyr)
data(mtcars)
mtcars <- mutate(mtcars,wt = ifelse(wt < 2.6,"Low", wt))
# at this point, wt is character
str(mtcars$wt)


> str(mtcars$wt)
 chr [1:32] "2.62" "2.875" "Low" "3.215" "3.44" "3.46" "3.57" "3.19" "3.15" ...

到第三个mutate()时，根据字符串比较，所有行都满足if_else()为TRUE的条件，其中Low和Medium的字符串值大于数字3.61。

mtcars <- mutate(mtcars, wt = ifelse( 2.6 <= wt & wt <= 3.61,"Medium",wt))
mtcars <- mutate(mtcars, wt = ifelse( wt > 3.61,"High",wt))

...and输出：

> head(mtcars)
                   mpg cyl disp  hp drat   wt  qsec vs am gear carb
Mazda RX4         21.0   6  160 110 3.90 High 16.46  0  1    4    4
Mazda RX4 Wag     21.0   6  160 110 3.90 High 17.02  0  1    4    4
Datsun 710        22.8   4  108  93 3.85 High 18.61  1  1    4    1
Hornet 4 Drive    21.4   6  258 110 3.08 High 19.44  1  0    3    1
Hornet Sportabout 18.7   8  360 175 3.15 High 17.02  0  0    3    2
Valiant           18.1   6  225 105 2.76 High 20.22  1  0    3    1

我们可以通过使用case_when()来防止这种行为，它在一次数据传递中将与wt的数字版本进行所有比较。

# use case_when()
data(mtcars)
mtcars %>% mutate(wt = case_when(
     wt < 2.6 ~ "Low",
     wt >= 2.6 & wt <= 3.61 ~ "Medium",
     wt > 3.61 ~ "High"
)) %>% head(.)

...and输出：

head(.)
                   mpg cyl disp  hp drat     wt  qsec vs am gear carb
Mazda RX4         21.0   6  160 110 3.90 Medium 16.46  0  1    4    4
Mazda RX4 Wag     21.0   6  160 110 3.90 Medium 17.02  0  1    4    4
Datsun 710        22.8   4  108  93 3.85    Low 18.61  1  1    4    1
Hornet 4 Drive    21.4   6  258 110 3.08 Medium 19.44  1  0    3    1
Hornet Sportabout 18.7   8  360 175 3.15 Medium 17.02  0  0    3    2
Valiant           18.1   6  225 105 2.76 Medium 20.22  1  0    3    1
> 

从注释到这个答案，OP不清楚如何将已更改的列保存到现有的数据框架中。下面的代码片段解决了这个问题。

data(mtcars)
mtcars %>% mutate(wt = case_when(
     wt < 2.6 ~ "Low",
     wt >= 2.6 & wt <= 3.61 ~ "Medium",
     wt > 3.61 ~ "High"
)) -> mtcars

Answer 2

如果ROI是数字列，则问题是要用文本值覆盖数字列。如果ROI不是数字列，则文本字符串上的不等式比较与您假设的不同。。

请注意，您的所有命令都采用了以下形式：df = mutate(df, ROI = ifelse(ROI <condition>, 'label', ROI)。这意味着您正在覆盖原始ROI值，而替换的值将用于后续的比较。

假设df只有ROI = 10行，那么：

# df:
# ROI = 10

df2 = mutate(df, ROI = ifelse(ROI < 18.5, 'Under', ROI))
# compares 10 < 18.5
# replaces 10 with 'Under'

# df2:
# ROI = 'Under'

df3 = mutate(df2, ROI = ifelse(ROI > 30, 'OVER', ROI))
# compares 'Under' > 30
# After standardizing formats, compares 'Under' > '30' (conversion to string)
# replaces 'Under' with 'OVER'

有两种可能的解决办法：

1. 写到另一列，这是良好的实践

df %>%
  mutate(ROI_label = NA) %>%
  mutate(ROI_label = ifelse(ROI < 18.5, 'Under', ROI_label)) %>%
  mutate(ROI_label = ifelse(ROI >= 18.5 & ROI <= 25, 'average', ROI_label)) %>%
  mutate(ROI_label = ifelse(ROI > 25 & BMI <= 30, 'above average', ROI_label)) %>%
  mutate(ROI_label = ifelse(ROI > 30, 'OVER', ROI_label))

1. use case_when，这也是

的良好实践

df %>%
  mutate(ROI = case_when(ROI < 18.5 ~ 'Under',
                         ROI >= 18.5 & ROI <= 25 ~ 'average',
                         ROI > 25 & BMI <= 30 ~ 'above average',
                         ROI > 30 ~ 'OVER'))

更好的是，编写另一列并使用case_when。