使用 case_when 对数据表进行子集化答案

【问题标题】：Using case_when to subset a datatable使用 case_when 对数据表进行子集化
【发布时间】：2019-10-16 21:18:48
【问题描述】：

我还是 R 的新手，我遇到了一个问题。我有一个包含原始数据的文件：

dfRawData <-
  data.table(
    "Model" = c(
      "Car1",
      "Car1",
      "Car1",
      "Car2",
      "Car2",
      "Car2",
      "Car3",
      "Car3",
      "Car3"
    ),
    "variable" = c(
      "Metric1",
      "Metric2",
      "Metric3",
      "Metric1",
      "Metric2",
      "Metric3",
      "Metric1",
      "Metric2",
      "Metric3"
    ),
    "valeur" = c(1, 2, 3, 4, 5, 6, 7, 8, 9)
  )

我想根据汽车名称和指标对该数据表进行子集化。但是，我想避免使用 if 语句，因为我的代码已经很长了。据我了解， case_when 可能非常有用。我知道子集数据表的公式是正确的，因为当我使用 if 语句时，它会返回我想要的。然而，当我使用 case_when 时，出现以下错误：

Error in `[.data.frame`(x, i) : undefined columns selected

有人知道我做错了什么吗？这是我的代码：

carName = 'Car1' ##Can be changed
dfCarMetric = case_when(
           carName == 'Car1' ~ dfRawData[which(dfRawData[["Model"]] == carName  &
                                               dfRawData[["variable"]] %in% c("Metric1", "Metric2")), ],
           carName == 'Car2' ~ dfRawData[which(dfRawData[["Model"]] %in% c("Car2", "Car3")  &
                                               dfRawData[["variable"]] == "Metric1"), ]
       )

我想最后拥有这个：

carName = 'Car1'
    dfCarMetric
       Model variable valeur
    1:  Car1  Metric1      1
    2:  Car1  Metric2      2

carName = 'Car2'
    dfCarMetric
      Model variable valeur
    4  Car2  Metric1      4
    7  Car3  Metric1      7

非常感谢您的回答！！

【问题讨论】：

如果您包含一个简单的reproducible example，其中包含可用于测试和验证可能解决方案的示例输入和所需输出，则更容易为您提供帮助。请勿发布数据图片。我们无法复制/粘贴它进行测试。
请以纯文本形式包含您的数据的代表性样本 - see here for how。图片中的数据不能被其他用户复制/粘贴。

标签： r datatable

【解决方案1】：

如果您想尽量减少条件语句的数量，您可以在 filter 函数中使用它们，同样来自 dplyr 包：

dfCarMetric <- dfRawData %>% 
  filter(
    if (carName == "Car1") 
      Model == carName & variable %in% c("Metric1", "Metric2") 
    else if (carName == "Car2") 
      Model %in% c("Car2", "Car3") & variable == "Metric1")
  )

case_when 函数可以以类似的方式使用，尽管不太常见，恕我直言：

dfCarMetric <- dfRawData %>% 
  filter(case_when(
      carName == "Car1" ~
        Model == carName & variable %in% c("Metric1", "Metric2"), 
      carName == "Car2" ~
        Model %in% c("Car2", "Car3") & variable == "Metric1"
    )
  )

【讨论】：

【解决方案2】：

而不是case_when，我想它来自包dplyr，你为什么不尝试filter函数，它更适合子设置数据集。

library(dplyr)
library(magrittr)

dfRawData <-  data.frame(
    "Model" = c(
      "Car1",
      "Car1",
      "Car1",
      "Car2",
      "Car2",
      "Car2",
      "Car3",
      "Car3",
      "Car3"
    ),
    "variable" = c(
      "Metric1",
      "Metric2",
      "Metric3",
      "Metric1",
      "Metric2",
      "Metric3",
      "Metric1",
      "Metric2",
      "Metric3"
    ),
    "valeur" = c(1, 2, 3, 4, 5, 6, 7, 8, 9)
  )

# Filter
newData <- dfRawData %>% 
  filter((Model =='Car1' & variable %in% c('Metric1', 'Metric2')) |  # Condition 1
                     (Model %in% c('Car2', 'Car3') & variable == 'Metric1')) # Condition 2

这会产生如下输出：

 newData
  Model variable valeur
1  Car1  Metric1      1
2  Car1  Metric2      2
3  Car2  Metric1      4
4  Car3  Metric1      7

您可以调整filter 条件以获得您喜欢的确切子集，它应该是比case_when 更简单的语法。

使用函数

为了使这更容易一点并允许您指定carName，您可以将此特定过滤器包装到一个简单（尽管很脆弱）的函数中：

myFilterFunction <- function(data, carName = 'Car1', metric = c('Metric1', 'Metric2')) {
  data %>%
    filter(Model %in% carName & variable %in% metric)
}

carName = 'Car1'
myFilterFunction(dfRawData, carName = carName, c('Metric1', 'Metric2'))

carName = c('Car2', 'Car3')
myFilterFunction(dfRawData, carName = carName, c('Metric1'))

输出如下：

  Model variable valeur
1  Car1  Metric1      1
2  Car1  Metric2      2

  Model variable valeur
1  Car2  Metric1      4
2  Car3  Metric1      7

【讨论】：

但是如果我使用filter 函数，我的输出不依赖于carName ...
请参阅编辑，其中包括如何将 carName 指定为函数的输入以确定所需的输出。