dplyr 过滤然后变异，同时保留所有数据答案

【问题标题】：dplyr filter and then mutate while retaining all datadplyr 过滤然后变异，同时保留所有数据
【发布时间】：2021-01-25 21:27:53
【问题描述】：

我有一个数据集，其中包含每个母婴“二元组”的 id。我想创建一个只使用来自婴儿变量的数据的新变量。使用 dplyr::filter 函数很简单。但是，使用过滤器意味着丢失了母数据。有没有办法过滤，然后变异，同时仍然保留所有数据？

例子：

require(tidyverse)

dataSet <- data.frame(dyad_id = c(1,1,1,1,2,2,2,2,3,3,3,3),
                      dyad = c("Mom","Mom","Inf","Inf","Mom","Mom","Inf","Inf","Mom","Mom","Inf","Inf"),
                      timepoint = c(1,2,1,2,1,2,1,2,1,2,1,2),
                      v1 = c(3,4,5,2,4,6,3,67,8,4,3,2),
                      v2 = c(6,8,3,4,5,6,1,3,4,5,6,7))

dataSet <- dataSet %>% 
dplyr::filter(dyad == "Inf") %>% 
  dplyr::mutate(v3 = v1 + v2)

当我运行它时，它会从数据集中删除所有母体数据：

> dataSet
  dyad_id dyad timepoint v1 v2 v3
1       1  Inf         1  5  3  8
2       1  Inf         2  2  4  6
3       2  Inf         1  3  1  4
4       2  Inf         2 67  3 70
5       3  Inf         1  3  6  9
6       3  Inf         2  2  7  9

期望的输出：

   dyad_id dyad timepoint v1 v2 v3
1        1  Mom         1  3  6 NA
2        1  Mom         2  4  8 NA
3        1  Inf         1  5  3 8
4        1  Inf         2  2  4 6
5        2  Mom         1  4  5 NA
6        2  Mom         2  6  6 NA
7        2  Inf         1  3  1 4
8        2  Inf         2 67  3 70
9        3  Mom         1  8  4 NA
10       3  Mom         2  4  5 NA
11       3  Inf         1  3  6 9
12       3  Inf         2  2  7 9

提前致谢！

【问题讨论】：

标签： r dplyr

【解决方案1】：

看看 dplyr 中的 if_else 函数：

require(tidyverse)

dataSet <- data.frame(dyad_id = c(1,1,1,1,2,2,2,2,3,3,3,3),
                      dyad = c("Mom","Mom","Inf","Inf","Mom","Mom","Inf","Inf","Mom","Mom","Inf","Inf"),
                      timepoint = c(1,2,1,2,1,2,1,2,1,2,1,2),
                      v1 = c(3,4,5,2,4,6,3,67,8,4,3,2),
                      v2 = c(6,8,3,4,5,6,1,3,4,5,6,7))

dataSet <- dataSet %>% 
  dplyr::mutate(v3 = if_else(dyad == "Inf",v1 + v2,0))


> head(dataSet)
  dyad_id dyad timepoint v1 v2 v3
1       1  Mom         1  3  6  0
2       1  Mom         2  4  8  0
3       1  Inf         1  5  3  8
4       1  Inf         2  2  4  6
5       2  Mom         1  4  5  0
6       2  Mom         2  6  6  0

【讨论】：

非常感谢。唯一的问题是我希望“Mom”v3 变量为 NA 而不是 0。这是我在 mutate 函数中将“0”更改为 NA 时得到的错误：错误：mutate() 输入问题v3。 x false 必须是双向量，而不是逻辑向量。 ℹ 输入v3 是if_else(dyad == "Inf", v1 + v2, NA)。
你可以保持为零，然后添加这一行 dataSet[dataSet$dyad=="Mom","v3"] = NA
另外，Infant 不是变量，而是一组行（或观察值）。 “dyad”是变量

【解决方案2】：

我们可以使用case_when，默认情况下会返回NA

library(dplyr)
dataSet %>%
    mutate(v3 = case_when(dyad == 'Inf' ~ v1 + v2))

-输出

#    dyad_id dyad timepoint v1 v2 v3
#1        1  Mom         1  3  6 NA
#2        1  Mom         2  4  8 NA
#3        1  Inf         1  5  3  8
#4        1  Inf         2  2  4  6
#5        2  Mom         1  4  5 NA
#6        2  Mom         2  6  6 NA
#7        2  Inf         1  3  1  4
#8        2  Inf         2 67  3 70
#9        3  Mom         1  8  4 NA
#10       3  Mom         2  4  5 NA
#11       3  Inf         1  3  6  9
#12       3  Inf         2  2  7  9

【讨论】：

【解决方案3】：

我知道在 {tidyverse} 问题上用 {data.table} 回答有些不悦，但我将把它留在这里，因为它在 data.table 中实现起来非常方便

library(data.table)
dataSet <- as.data.table(dataSet)

dataSet[filter_column == 'filter_value', mutate_column := 'mutate_value']

不满足过滤条件的每一行都会在 mutate_column 上分配一个 NA（或者如果该列已经存在，它将保持这些值不变）

所以，在你的情况下：

dataSet[dyad == 'Inf', v3 := v1 + v2]

然后您可以立即返回管道 dplyr 函数，您的数据集将再次变成一个 tibble，不会留下 data.table 操作的足迹。

【讨论】：