使用 dplyr/tidyr 对数据框中的每个元素应用 mutate() 和 case_when()？

Question

我原来有一个数据集，大小为：1652行，50列，但在这个例子中本质是一样的。数据集是 df，我希望以 newdf 结尾。有人知道如何使用 dplyr 解决这个问题吗？

df <- cbind(c("HouseCar", "Car", "carmouse", "mouse", NA),
                  c("car", NA, "Mousehouse", "housevan", NA),
                   c(NA, "mousevan", "Carhouse", NA, "mouse"))

     df
     [,1]       [,2]         [,3]      
[1,] "HouseCar" "car"        NA        
[2,] "Car"      NA           "mousecar"
[3,] "carmouse" "Mousehouse" "Carhouse"
[4,] "mouse"    "house"      NA        
[5,] NA         NA           "mouse"  

期望的输出（有一个重新编码层次结构房屋>车辆（面包车，汽车）>鼠标）：

> newdf
     [,1]      [,2]      [,3]     
[1,] "House"   "Vehicle" NA       
[2,] "Vehicle" NA        "Vehicle"
[3,] "Vehicle" "House"   "House"  
[4,] "Mouse"   "House"   NA       
[5,] NA        NA        "Mouse" 

我打算这样做，但我想知道为什么这段代码不起作用？

newdf <- df %>% 
  replace_na(., NA_character_) %>% 
  tolower(.) %>% 
  mutate_all(case_when(
    str_detect(., "house") ~ "House",
    str_detect(., "car|van") ~ "Vehicle",
    str_detect(., "mouse") ~ "Mouse",
    TRUE ~ NA_character_
    )
  )
  

我不断收到此错误消息：

UseMethod("tbl_vars") 中的错误： 没有适用于“c('matrix', 'array', 'character')”类对象的“tbl_vars”方法

Answer 1

为此，df 需要是 tibble 或数据框对象。 cbind 的输出是一个矩阵，这也是您收到错误的部分原因。

df <- data.frame(df)
names(df) <- paste0("col", 1:3)

df %>% 
  mutate(across(everything(), ~ case_when(
    str_detect(.x, "house") ~ "House",
    str_detect(.x, "car|van") ~ "Vehicle",
    str_detect(.x, "mouse") ~ "Mouse",
    T ~ NA_character_
  )))

从 dplyr 1.0.0 版开始，几乎所有带有 _at、_all、_if 等的动词都被 across 动词取代。您可以使用packageVersion("dplyr")查看您的版本。

dplyr

df %>% 
  mutate_all(~ case_when(
    str_detect(.x, "house") ~ "House",
    str_detect(.x, "car|van") ~ "Vehicle",
    str_detect(.x, "mouse") ~ "Mouse",
    T ~ NA_character_
  ))

---

输出

     col1    col2    col3
1    <NA> Vehicle    <NA>
2    <NA>    <NA> Vehicle
3 Vehicle   House   House
4   Mouse   House    <NA>
5    <NA>    <NA>   Mouse

---

更新

要忽略大小写，您可以做一些事情：

1. 正如您在 cmets 中提到的，您可以在应用函数之前将大小写更改为所有内容：

df %>% 
  mutate(across(everything(), tolower)) # pipe to rest of code

1. 您可以使用stringr::regex 忽略str_detect 上的大小写：

df %>% 
  mutate(across(everything(), ~ case_when(
    str_detect(.x, regex("house", ignore_case = T)) ~ "House",
    str_detect(.x, regex("car|van", ignore_case = T)) ~ "Vehicle",
    str_detect(.x, regex("mouse", ignore_case = T)) ~ "Mouse",
    T ~ NA_character_
  )))

1. 内置函数grepl 做同样的事情：

df %>% 
  mutate(across(everything(), ~ case_when(
    grepl("house", .x, ignore.case = T) ~ "House",
    grepl("car|van", .x, ignore.case = T) ~ "Vehicle",
    grepl("mouse", .x, ignore.case = T) ~ "Mouse",
    T ~ NA_character_
  )))