ti-enxame.com

Como adicionar uma coluna a um dataframe com base na condição?

Por exemplo, eu tenho o seguinte quadro de dados. O que eu quero fazer é adicionar outra coluna (sétima coluna) a esse quadro de dados.

A condição é if Sepal.Length >=5 assign "UP" else assign "DOWN". Nós chamaríamos essa coluna de "Regulamento".

 > iris 
     Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
    1            5.1         3.5          1.4         0.2     setosa
    2            4.9         3.0          1.4         0.2     setosa
    3            4.7         3.2          1.3         0.2     setosa
    4            4.6         3.1          1.5         0.2     setosa
    5            5.0         3.6          1.4         0.2     setosa
    6            5.4         3.9          1.7         0.4     setosa
    7            4.6         3.4          1.4         0.3     setosa
    8            5.0         3.4          1.5         0.2     setosa
    9            4.4         2.9          1.4         0.2     setosa
    10           4.9         3.1          1.5         0.1     setosa
    ...

Qual a maneira de fazer isso?

20
neversaint

Experimentar

iris$Regulation <- ifelse(iris$Sepal.Length >=5, "UP", "DOWN")
49
Oscar de León

No interesse de atualizar um possível canônico, o pacote dplyr tem a função mutate que permite criar uma nova coluna em um data.frame de maneira vetorizada:

library(dplyr)
iris_new <- iris %>%
    mutate(Regulation = if_else(Sepal.Length >= 5, 'UP', 'DOWN'))

Isso cria uma nova coluna chamada Regulation, que consiste em 'UP' Ou 'DOWN' Com base na aplicação da condição à coluna Sepal.Length.

A função case_when (Também de dplyr) fornece uma maneira fácil de ler para encadear várias condições:

iris %>%
    mutate(Regulation = case_when(Sepal.Length >= 5 ~ 'High',
                                  Sepal.Length >= 4.5 ~ 'Mid',
                                  TRUE ~ 'Low'))

Isso funciona exatamente como if_else, Exceto em vez de 1 condição com um valor de retorno para TRUE e FALSE, cada linha tem condição (lado esquerdo de ~) E um valor de retorno (lado direito de ~) Que retorna se TRUE. Se falso, ele passa para a próxima condição.

Nesse caso, as linhas onde Sepal.Length >= 5 Retornará 'High', As linhas onde Sepal.Length < 5 (Desde que a primeira condição teve que falhar) e Sepal.Length >= 4.5 Retornará 'Mid', E todas as outras linhas retornarão 'Low'. Como TRUE é sempre TRUE, é usado para fornecer um valor padrão.

6
divibisan

Sem ifelse:

iris$Regulation <- c("DOWN", "UP")[ (iris$Sepal.Length >= 5) + 1 ]

Referência, cerca de 14x mais rápido que ifelse:

bigX <- runif(10^6, 0, 10)

bench::mark(
  x1 = c("DOWN", "UP")[ (bigX >= 5) + 1 ],
  x2 = ifelse(bigX >=5, "UP", "DOWN"),
  x3 = dplyr::if_else(bigX >= 5, "UP", "DOWN")
)
# # A tibble: 3 x 14
# expression     min    mean  median     max `itr/sec` mem_alloc  n_gc n_itr total_time result memory
# <chr>      <bch:t> <bch:t> <bch:t> <bch:t>     <dbl> <bch:byt> <dbl> <int>   <bch:tm> <list> <list>
# x1          19.1ms  23.9ms  20.5ms  31.6ms     41.9     22.9MB     9    22      525ms <chr ~ <Rpro~
# x2         278.9ms 280.2ms 280.2ms 281.5ms      3.57   118.3MB     4     2      560ms <chr ~ <Rpro~
# x3          47.8ms  64.2ms  54.1ms 138.8ms     15.6     68.7MB    11     8      514ms <chr ~ <Rpro~
3
zx8754