重新编码将 R 中的所有内容都变成相同的值

Question

我正在练习 R，我创建了一个新列，其中包含连续的数字，称为 ROI，我想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词，但是当我输入最后一个 ifelse 语句时：

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

它将我创建的新列中的每个值都转换为 OVER 值。我想知道是否有人知道如何做到在满足条件的地方只说 OVER？

Answer 1

如果 ROI 是数字列，问题是您正在用文本值覆盖数字列。
如果 ROI 不是数字列，则文本字符串的不等式比较与您假设的方式不同。

请注意，您所有的命令都采用以下形式：df = mutate(df, ROI = ifelse(ROI <condition>, 'label', ROI)。这意味着您正在覆盖原始 ROI 值，替换后的值将用于后续比较。

假设 df 只有行 ROI = 10 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'

两种可能的解决方案：

写入不同的列，这是一个好习惯

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))

使用case_when，这也是很好的做法

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，写入不同的列并使用 case_when。

Answer 2

我们可以用 mtcars 数据框复制问题。第三个 mutate() 语句中的以下代码导致所有行的 wt 值设置为 High，因为在第一个 mutate() 之后，wt 列是字符值向量。

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() 所有行都满足 if_else() 的 TRUE 条件，基于字符串比较，其中 Low 和 Medium 的字符串值是大于数字 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))

...以及输出：

> 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，它会在一次数据传递中与 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(.)

...以及输出：

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
>

从对该答案的评论来看，OP 不清楚如何将更改的列保存到现有数据框中。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

重新编码将 R 中的所有内容都变成相同的值

Recoding turns everything into the same value in R

if-statement

r

dplyr

recode