根据其他列的真/假条件创建新列答案

【问题标题】：Create a new column based on true/false conditions of other columns根据其他列的真/假条件创建新列
【发布时间】：2021-08-05 13:45:20
【问题描述】：

我手动创建了这个数据框，但我想知道我可以编写什么代码来生成“名称”列，条件是：

如果 'dog' 为 TRUE，而 'blackfur' 和 'whitefur' 为 FALSE，则 name 等于 'no_dog'。

如果 'dog' 为 TRUE 且 'blackfur' 为 TRUE 且 'whitefur' 为 FALSE，则 name 等于 'black_dog'。

如果 'dog' 为 TRUE 且 'blackfur' 为 FALSE 且 'whitefur' 为 TRUE，则 name 等于 'white_dog'

ID  dog     blackfur    whitefur    name
1   TRUE    FALSE       FALSE       no_dog
2   TRUE    TRUE        FALSE       black_dog
3   TRUE    TRUE        FALSE       black_dog
4   TRUE    FALSE       TRUE        white_dog
5   TRUE    FALSE       TRUE        white_dog
6   TRUE    FALSE       TRUE        white_dog
7   TRUE    FALSE       FALSE       no_dog
8   TRUE    TRUE        FALSE       black_dog
9   TRUE    FALSE       TRUE        white_dog

【问题讨论】：

欢迎使用 Stackoverflow。如果您在上面dput您的小标题，那将是最简单的。
这能回答你的问题吗？ Using if else statement for multiple conditions

标签： r dplyr tibble

【解决方案1】：

case_when 是您要查找的函数。

library(dplyr)
df <- read.csv(text = "ID,dog,blackfur,whitefur
1,TRUE,FALSE,FALSE
2,TRUE,TRUE,FALSE
3,TRUE,TRUE,FALSE
4,TRUE,FALSE,TRUE
5,TRUE,FALSE,TRUE
6,TRUE,FALSE,TRUE
7,TRUE,FALSE,FALSE
8,TRUE,TRUE,FALSE
9,TRUE,FALSE,TRUE")

df %>%
mutate(name = case_when(dog & blackfur == FALSE & whitefur == FALSE ~ 'no_dog',
                        dog & blackfur & whitefur == FALSE ~ 'black_dog',
                        dog & blackfur == FALSE & whitefur ~ 'white_dog'))

case_when 函数有一个相当不错的小插曲，比我能更好地描述该函数：https://dplyr.tidyverse.org/reference/case_when.html

【讨论】：

【解决方案2】：

如果您有data.table，您可以执行以下操作：-

dt[, sum := 1 * dt$dog + 2 * dt$blackfur + 3 * dt$whitefur]
dt[, name := ifelse(sum == 1, "no_dog", ifelse(sum == 3, "black_dog", 
             ifelse(sum == 4, "white_dog", "")))]
dt[, sum := NULL]

如果您有data.frame，那么您可以执行以下操作：-

dt$sum <- 1 * dt$dog + 2 * dt$blackfur + 3 * dt$whitefur
dt$name <-  ifelse(dt$sum == 1, "no_dog", ifelse(dt$sum == 3, "black_dog", ifelse(dt$sum == 4, "white_dog", "")))
dt["sum"] <- NULL

编辑：数学

基本上，您将第二列乘以 1，第三列乘以 2，第四列乘以 3，根据哪些列具有 TRUE 和哪些列具有 FALSE 值，您可以获得不同的结果。

这是因为当不同的列具有 TRUE 或 FALSE 值时，我们不想要相同的值。例如，如果dog == TRUE 和blackfur == TRUE 但whitefur == FALSE，我们的总和将是2。但是如果dog == TRUE 和whitefur == TRUE 但blackfur == FALSE，我们也可以得到2 的总和。因为，我们需要区分这两种情况，我们将第二列加 1，第三列加 2，第四列加 3。

如果我们这样做，那么dog 和blackfur 等于TRUE，我们将得到1*1 + 2*1 = 3，并且dog 和whitefur 等于TRUE，我们将得到@987654344 @，因此，答案不同。

这将为我们提供三个唯一值：-

Condition                  Value
dog == TRUE -                1
dog & blackfur == TRUE       3
dog & whitefur == TRUE       4

根据这些值，我们可以链接ifelse 以获得name 列的不同值。如果sum == 1，那么我们得到no_dog。否则，如果sum == 3，那么我们得到black_dog。否则，如果sum == 4，那么我们得到black_dog。

【讨论】：

可以通过向新来的 OP 解释 1 和 0 与数学背后的 TRUE 和 FALSE 的关系以及 ifelse 的链接来提及。

【解决方案3】：

这只满足第一个条件。

dat1 = data.frame(dog = TRUE, blackfur = FALSE, whitefur = FALSE)

 library(tidyverse)
    dat1 = dat1 %>% mutate(name = if(dog == TRUE){
      if(blackfur == FALSE){
        if( whitefur == FALSE){
          name = "nod_dog"
        }
      }
      
    })

【讨论】：

一些建议：你不需要加载所有的 tidyverse 包，因为你只使用 dplyr。对于像这样测试条件操作，测试一组有代表性的条件非常重要，而不仅仅是单行。如果它只在一种情况下有效，那么它并不是那么有用。您还使用 if / else 进行向量化操作。你也拼错了“no_dog”

【解决方案4】：

这直接在相关列上使用逻辑运算符。


df <- read.csv(text = "ID,dog,blackfur,whitefur,name
1,TRUE,FALSE,FALSE,no_dog
2,TRUE,TRUE,FALSE,black_dog
3,TRUE,TRUE,FALSE,black_dog
4,TRUE,FALSE,TRUE,white_dog
5,TRUE,FALSE,TRUE,white_dog
6,TRUE,FALSE,TRUE,white_dog
7,TRUE,FALSE,FALSE,no_dog
8,TRUE,TRUE,FALSE,black_dog
9,TRUE,FALSE,TRUE,white_dog")

df$name <- ifelse(
        df$dog & !df$blackfur & !df$whitefur,
        "no_dog",
        ifelse(df$blackfur, "black_dog", "white_dog")
)

【讨论】：