为什么这段代码有效？ [R] [dplyr] [变异]

Question

我有一个数值变量 (FinalPerformance)，它的取值范围为 0 到 100。我想根据该变量创建因子水平。因此，我使用函数 quantile 将数据集分为三个部分。我的问题是代码正确地对列进行了排序（我认为），但我不确定为什么。见下文：

Performance <- Performance %>% mutate(FactorPerformance = as.factor(case_when(
  
  FinalPerformance <= quantile(FinalPerformance, probs = seq(0,1,1/3))[[1]] ~ "Low",
  FinalPerformance <= quantile(FinalPerformance, probs = seq(0,1,1/3))[[2]] ~ "Medium",
  TRUE ~ "High"
)), FactorPerformance = fct_relevel(FactorPerformance, c("Low", "Medium", "High")))

我认为“中”因子水平应该覆盖“低”因子水平，因为我没有指定介于范围之间。见下文：

Performance <- Performance %>% mutate(FactorPerformance = as.factor(case_when(
  
  FinalPerformance <= quantile(FinalPerformance, probs = seq(0,1,1/3))[[1]] ~ "Low",
  FinalPerformance > quantile(FinalPerformance, probs = seq(0,1,1/3))[[1]] & 
    FinalPerformance <= quantile(FinalPerformance, probs = seq(0,1,1/3))[[2]] ~ "Medium",
  TRUE ~ "High"
)), FactorPerformance = fct_relevel(FactorPerformance, c("Low", "Medium", "High")))

当我计算 FactorPerformance 列中的值时，我得到了相同的结果。我错过了什么？

Answer 1

这真的归结为dplyr::case_when() 的工作方式：

mutate() 将case_when() 应用于 data.frame 的每一行。对于每一行，它都会检查case_when() 调用中的条件语句。它从顶部开始寻找计算结果为TRUE 的条件。一旦找到波形符右侧的值，就会立即返回所有其他条件，解释器会转到下一行。

关于您的代码：如果您希望将“中等”分类放在“低”之前，则必须在“低”条件之前列出“中等”条件。

作为一般解释：下面是一个简化的示例。所有三个语句都是TRUE，但由于10 %in% 5:10 ~ "foo" 行位于另一个条件语句之前，因此返回“foo”。

dplyr::case_when(
  10 %in% 5:10 ~ "foo",
  10 %in% 1:10 ~ "bar",
  TRUE ~ NA_character_
)

这里两个条件语句翻转过来，输出为“bar”。

dplyr::case_when(
  10 %in% 1:10 ~ "bar",
  10 %in% 5:10 ~ "foo",
  TRUE ~ NA_character_
)

这也是为什么TRUE ~ NA_character_ 可以作为catch all 来处理前面任何语句未捕获的所有内容的原因。