使用 dplyr::case_when 有条件地更改因子变量的值答案

【问题标题】：Using dplyr::case_when to conditionally change the value of a factored vaiable使用 dplyr::case_when 有条件地更改因子变量的值
【发布时间】：2022-12-03 12:03:54
【问题描述】：

我有一个需要大量数据清理的数据集。我的一些变量已经是因素。我知道因式变量的某些值是不正确的；但是，该因素的水平是有效的。

是的，我可以将分解后的变量转换回字符，然后在完成数据清理后重新分解——但那样我就不会学到任何东西。

library(dplyr)
## Create minimal reproducible example
min_re <- tibble(i = seq(1:10), my_letters = factor(substring("statistics", 1:10, 1:10), levels = letters))

# A tibble: 10 x 2
       i my_letters
   <int> <fct>     
 1     1 s         
 2     2 t         
 3     3 a         
 4     4 t         
 5     5 i         
 6     6 s         
 7     7 t         
 8     8 i         
 9     9 c         
10    10 s

statistics 中的第一个s 是错误的值。我想用x替换第一个s，即xtatistics 我的第一次尝试：

min_re2 <- min_re %>%
  mutate(
    my_letters = case_when(
      my_letters == "s" & i == 1 ~ "x",
      TRUE ~ my_letters
    )
  )

结果错误：

Error in `mutate()`:
! Problem while computing `my_letters = case_when(my_letters == "s" & i == 1 ~ "x", TRUE
  ~ my_letters)`.
Caused by error in `` names(message) <- `*vtmp*` ``:
! 'names' attribute [1] must be the same length as the vector [0]
Run `rlang::last_error()` to see where the error occurred.

然而，这有效：

min_re$my_letters[which(min_re$my_letters == "s" & min_re == 1)] <- "x"
min_re

# A tibble: 10 x 2
       i my_letters
   <int> <fct>     
 1     1 x         
 2     2 t         
 3     3 a         
 4     4 t         
 5     5 i         
 6     6 s         
 7     7 t         
 8     8 i         
 9     9 c         
10    10 s

为什么基本 r 方法在更改因子变量的值而不是 dplyr::case_when 时起作用？是否存在基本 r 方法执行的 dplyr::case_when 不愿意/无法执行的强制（例如，字符到因子）？

是否有更优雅的 dplyr-ish 方式来更改已分解变量的值？认为数据清洗不一定是重新调平。有一些观察表明 s 应该保留为 s。

如果引入新级别，这将如何影响case_when。 forcats 和case_when 玩得好吗？

【问题讨论】：

标签： r dplyr

【解决方案1】：

部分答案：

（是的，切换回字符、完成数据清理、然后重构要容易得多。）

在 case_when 中，将更改后的值（右侧）作为所有必要级别的一个因素。

library(dplyr)

min_re <- tibble(i = seq(1:10), my_letters = factor(substring("statistics", 1:10, 1:10), levels = letters))

min_re2 <- min_re %>%
  mutate(
    my_letters = case_when(
      my_letters == "s" & i == 1 ~ factor("x", levels = letters),
      TRUE ~ my_letters
    )
  )

> min_re2
# A tibble: 10 x 2
       i my_letters
   <int> <fct>     
 1     1 x         
 2     2 t         
 3     3 a         
 4     4 t         
 5     5 i         
 6     6 s         
 7     7 t         
 8     8 i         
 9     9 c         
10    10 s

【讨论】：