基于单个过滤器创建变异列

Question

我有一个 tbl_df，我正在尝试根据各种过滤器创建唯一列。我做了一些关于使用 ifelse 和其他 mutate 函数的阅读，但我自己无法弄清楚这一点。 df 被命名为 Test 并在下面列出。

name   team salary season position
<chr> <int>  <int>  <int> <chr>   
AP        6     15   2017 OF      
AN       11      8   2016 SP      
AS        1      8   2014 SP      
AR        3     11   2018 SS      
AB        2     10   2015 3B      
AC        8      7   2017 RP      
Abe      11     10   2016 OF      
AM        7     12   2014 RP      
Ari      11     48   2018 1B      
BH       13     29   2015 OF           

我正在尝试根据特定过滤器的结果创建各种列。我目前的代码如下：

summary <- test %>%
  group_by(team, season)

我正在尝试创建的变异列是：

1. 命中：将 Salary 中位置不等于 SP 或 RP 的行的所有值和 2016-2018 季节相加
2. Pitching：将 Salary 中位置等于 SP 或 RP 的行的所有值和 2016-2018 季节相加
3. Relievers：计算位置等于 RP 的所有行
4. Over_40：统计工资超过 40 的所有行
5. Over_40_H：统计所有薪水超过 40 且职位不等于 SP 或 RP 的行

我希望将所有这些列和结果按团队和赛季分组（如上所示）

Answer 1

您可能很难解决这个问题，因为您似乎是在尝试汇总数据而不是对其进行变异。因此，您可以在 summarise() 中使用 ifelse()（而不是 mutate()）来执行此操作。

library(tidyverse)

test %>%
  group_by(team, season) %>% 
  summarise(
    players = n(),
    hitting = sum(ifelse(!position %in% c("SP", "RP"), salary, 0)),
    pitching = sum(ifelse(position %in% c("SP", "RP"), salary, 0)),
    relievers = sum(ifelse(position == "RP", 1, 0)),
    over_40 = sum(ifelse(salary > 40, 1, 0)),
    over_40_h = sum(ifelse(salary > 40 & !position %in% c("SP", "RP"), 1, 0))
  ) %>% 
  mutate(
    hitting = ifelse(season < 2016 | season > 2018, NA, hitting),
    pitching = ifelse(season < 2016 | season > 2018, NA, pitching)
  ) %>% 
  arrange(team, season)

注意：

• 我添加了一个显示玩家数量的列，因为它提供了分组是否有效的基本检查。
• 包含mutate() 命令以删除 2016 年至 2018 年以外年份的投手和击球手工资的总和，正如您在问题中指定的那样。但是，由于您已经按季节对数据进行了分组，因此可能同样容易忽略您不感兴趣的年份的薪水。
• 我在最后按球队和赛季排列了数据，但这主要是为了使结果更具可读性。
• 由于您使用的是dplyr，我已将列名更改为tidyverse style guide。