dplyr 变异，函数调用返回不正确的值答案

【问题标题】：dplyr mutate with function call returning incorrect valuedplyr 变异，函数调用返回不正确的值
【发布时间】：2016-03-30 05:27:04
【问题描述】：

有人能解释一下为什么下面的 dplyr mutate 调用（我应用一个将一列作为参数来设置新列的值的函数）不起作用吗？它似乎没有在正确的值上调用函数：新的season 列是根据mon 列中的第一个值而不是它自己行中的值设置的。

# Function to return season (winter, summer, or transition) given numerical month
getSeason <- function(m) {
  if(m >= 11 || m <= 3) 
    return(as.factor("Winter"))
  if(m >= 5 && m <= 9) 
    return(as.factor("Summer"))
  return(as.factor("Trans"))
}

getSeason(5) # Works: returns "Summer"

mon <- c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12)
months <- as.data.frame(mon)

months %>% mutate(season=getSeason(mon))  # doesn't work: all seasons set as "Winter"

我正在使用 R 版本 3.2.4 和 dplyr 的最新开发版本。（这在 dplyr 的最新版本中也不起作用。）

【问题讨论】：

标签： r dplyr

【解决方案1】：

其他答案很好地解释了您遇到问题的原因。

我认为这是新函数case_when 可以派上用场的情况（目前在开发版本中可用，dplyr_0.4.3.9001）。

目前您必须使用美元符号表示法才能在 case_when 内使用 mutate。

months %>% mutate(season = case_when(.$mon >= 11 | .$mon <= 3 ~ "Winter",
                                     .$mon >= 5 & .$mon <= 9 ~ "Summer",
                                     TRUE ~ "Trans"))

   mon season
1    1 Winter
2    2 Winter
3    3 Winter
4    4  Trans
5    5 Summer
6    6 Summer
7    7 Summer
8    8 Summer
9    9 Summer
10  10  Trans
11  11 Winter
12  12 Winter

您可以使用case_when 而不是if 或ifelse（或新的dplyr 函数if_else）来构建您的函数。对我来说，语法似乎更类似于使用if，而不是嵌套ifelse。

getSeason <- function(m) {
    factor(
        case_when(
            m >= 11 | m <= 3 ~ "Winter",
            m >= 5 & m <= 9 ~ "Summer",
            TRUE ~ "Trans"
            ) 
        )
}

months %>% mutate(season=getSeason(mon))

   mon season
1    1 Winter
2    2 Winter
3    3 Winter
4    4  Trans
5    5 Summer
6    6 Summer
7    7 Summer
8    8 Summer
9    9 Summer
10  10  Trans
11  11 Winter
12  12 Winter

请注意，“其他所有”条件在case_when 中最后完成，您只需将TRUE 放在公式左侧即可使用最终值填写其他所有内容。

【讨论】：

【解决方案2】：

你也可以使用Vectorize:

# Function to return season (winter, summer, or transition) given numerical month
getSeason <- function(m) {
  if(m >= 11 || m <= 3) 
    return(as.factor("Winter"))
  if(m >= 5 && m <= 9) 
    return(as.factor("Summer"))
  return(as.factor("Trans"))
}


getSeason <- Vectorize(getSeason)

mon <- c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12)
months <- data.frame(mon = mon)

months %>% mutate(season=gs(mon))

【讨论】：

【解决方案3】：

if 没有矢量化（奇怪），所以它只使用mon 中的第一个值，即1，所以你得到了所有Winter。

为避免这种情况，请使用ifelse，它是矢量化的：

months %>% mutate(season = factor(ifelse(mon >= 11 | mon <=3, 
                                         'Winter', ifelse(mon >= 5 & mon <= 9, 
                                                          'Summer', 'Trans'))))
#    mon season
# 1    1 Winter
# 2    2 Winter
# 3    3 Winter
# 4    4  Trans
# 5    5 Summer
# 6    6 Summer
# 7    7 Summer
# 8    8 Summer
# 9    9 Summer
# 10  10  Trans
# 11  11 Winter
# 12  12 Winter

如果您想添加足够多的级别以使嵌套ifelses 变得讨厌，请改用cut，因为您实际上是在将连续数字数据转换为因子数据，这就是cut 的目的。

months %>% mutate(season = droplevels(cut(months$mon, c(0, 3, 4, 9, 10, 12), 
                                          c('Winter', 'Trans', 'Summer', 'Trans', 'Winter'))))

注意droplevels 在这种情况下清理重复的关卡，这会引发警告。

【讨论】：

非常感谢您的解释。