Menambah dan mengubah kolom di R (mutate dan base R)

Menambah kolom: df$new <- value

Untuk menambah kolom di base R, isi ke nama yang belum ada. Nilainya biasanya dihitung dari kolom-kolom yang sudah ada:

orders <- data.frame(
    item  = c("mug", "poster", "shirt", "cap"),
    price = c(12.0, 8.5, 22.0, 15.0),
    qty   = c(3, 10, 2, 5)
)

orders$total <- orders$price * orders$qty
orders$currency <- "USD"

print(orders)

Ada dua hal yang terjadi. orders$total mendapat vector lengkap: price * qty dihitung untuk setiap baris sekaligus, karena aritmetika di R tervektorisasi. orders$currency mendapat satu nilai, yang didaur ulang R ke keempat baris. Panjang lainnya menimbulkan error (replacement has 3 rows, data has 4), cara R melindungimu dari kolom yang tidak sejajar.

Ini berhasil karena data frame adalah list berisi kolom yang sama panjang; mengisi elemen baru bernama akan memperbesar list itu. Dokumentasi data frame menguraikan model tersebut.

Kolom bersyarat: ifelse()

Kolom yang nilainya bergantung pada sebuah kondisi butuh ifelse(), sepupu tervektorisasi dari if. Fungsi ini menerima seluruh vector kondisi dan mengembalikan satu nilai per baris:

students <- data.frame(
    name  = c("Ana", "Ben", "Chen", "Dana"),
    score = c(91, 54, 78, 60)
)

students$grade <- ifelse(students$score >= 60, "pass", "fail")
print(students)

Kenapa tidak if biasa? Karena if mengevaluasi tepat satu TRUE/FALSE; kalau diberi satu kolom, ia memunculkan error (the condition has length > 1). ifelse(test, yes, no) memeriksa setiap elemen dan memilih per baris. Untuk tiga kemungkinan hasil atau lebih, kamu bisa menyarangkannya:

students <- data.frame(
    name  = c("Ana", "Ben", "Chen", "Dana"),
    score = c(91, 54, 78, 60)
)

students$band <- ifelse(students$score >= 85, "high",
                 ifelse(students$score >= 60, "mid", "low"))
print(students)

Sarang dua tingkat masih wajar; tiga tingkat atau lebih berubah menjadi piramida, dan justru untuk itulah case_when() dari dplyr (lihat di bawah) dibuat. if/else untuk satu nilai dibahas di dokumentasi if-else.

Beberapa kolom sekaligus: transform()

transform() dari base R menambahkan beberapa kolom dalam satu pemanggilan, dengan nama kolom apa adanya:

orders <- data.frame(
    item  = c("mug", "poster", "shirt"),
    price = c(12.0, 8.5, 22.0),
    qty   = c(3, 10, 2)
)

orders <- transform(orders,
    total    = price * qty,
    discount = ifelse(qty >= 5, "yes", "no")
)
print(orders)

Perhatikan bahwa transform() mengembalikan data frame baru, jadi kamu harus menugaskan hasilnya kembali, sedangkan df$new <- ... mengubah di tempat. Satu keterbatasan: ekspresi di dalam satu pemanggilan transform() tidak bisa saling melihat, jadi discount = ifelse(total > 50, ...) gagal di sana (total belum ada). Lakukan dalam dua langkah, atau dengan mutate(), yang mengizinkannya.

Mengubah vs membuat

Sintaks penugasan yang sama menimpa kolom yang sudah ada; satu-satunya perbedaan adalah apakah kolom itu sudah ada sebelumnya:

prices <- data.frame(item = c("mug", "shirt"), price = c(12.499, 21.995))

prices$price <- round(prices$price, 2)   # transform in place
print(prices)

Ini layak direnungkan sejenak: R tidak memberi peringatan apa pun saat kamu menimpa sebuah kolom. Salah ketik seperti df$prise <- round(df$price, 2) diam-diam membuat kolom baru alih-alih memperbaiki yang lama. Setelah mengubah kolom, jalankan print() atau str() pada frame-nya dan pastikan kamu mengubah apa yang memang kamu maksud.

Menghapus kolom

Isi dengan NULL untuk menghapus:

df <- data.frame(a = 1:3, b = 4:6, notes = c("x", "y", "z"))

df$notes <- NULL
print(df)

Kolomnya hilang, tanpa basa-basi. Untuk menghapus beberapa kolom, df[, c("a", "b")] (pertahankan yang kamu daftar) biasanya lebih jelas daripada NULL yang diulang-ulang.

Cara dplyr: mutate()

Verb dplyr untuk semua hal di atas adalah mutate(). Potongan kode di bawah ini statis (sandbox ini hanya menjalankan base R), tapi beginilah tampilan operasi yang sama:

library(dplyr)

orders |>
    mutate(
        total    = price * qty,
        big      = total > 50        # can use total, defined one line up
    )

Ada dua kelebihan dibandingkan base R. Pertama, kolom yang didefinisikan di mutate() yang sama bisa saling merujuk, sesuai urutan; hal yang ditolak transform(). Kedua, helper bersyaratnya lebih baik daripada ifelse() bersarang:

students |>
    mutate(
        grade = if_else(score >= 60, "pass", "fail"),
        band  = case_when(
            score >= 85 ~ "high",
            score >= 60 ~ "mid",
            .default    = "low"
        )
    )

if_else() adalah ifelse() yang lebih ketat (kedua cabang harus bertipe sama, sehingga bisa menangkap bug sungguhan). case_when() terbaca sebagai daftar datar pasangan condition ~ value yang diperiksa dari atas ke bawah, dengan .default sebagai cadangan, pengganti yang mudah dibaca untuk piramida ifelse(). Seperti setiap verb dplyr, mutate() mengembalikan data frame baru; lihat pengantar dplyr untuk cara merangkainya dengan verb lainnya.

Yang kamu bawa pulang

• df$new <- expression menambahkan kolom; ekspresinya dijalankan untuk setiap baris sekaligus.
• ifelse(test, yes, no) membuat kolom bersyarat; if biasa tidak bisa.
• transform() menambahkan beberapa kolom per pemanggilan, tapi kolom-kolom itu tidak bisa saling melihat; mutate() bisa.
• Penugasan yang sama menimpa diam-diam; periksa ejaanmu setelah mengubah kolom.
• df$col <- NULL menghapus kolom; case_when() menggantikan piramida ifelse() bersarang.

Berikutnya: mengganti nama kolom dengan names(), idiom base R yang andal, dan rename() dari dplyr.