R で列を追加・変換する（mutate と base R）

列の追加: df$new <- value

base R で列を追加するには、まだ存在しない名前に代入します。値は通常、既存の列から計算します。

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)

2 つのことが起きました。orders$total は完全なベクトルを受け取りました — R の算術はベクトル化されているので、price * qty は全行について一度に計算されます。orders$currency は単一の値を受け取り、R がそれを 4 行すべてに 再利用（リサイクル） しました。それ以外の長さはエラーになります（replacement has 3 rows, data has 4）。これは R が列のずれからあなたを守っているのです。

これが動くのは、データフレームが長さの等しい列のリストだからです。新しい名前付き要素への代入がリストを伸ばします。データフレームのドキュメント がそのモデルを解説しています。

条件付きの列: ifelse()

値が条件に依存する列には ifelse() — if の ベクトル化された いとこ — が必要です。条件のベクトル全体を受け取り、行ごとに値を返します。

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)

なぜ素の if ではだめなのでしょうか。if はちょうど 1 つの TRUE/FALSE を評価するからです — 列を渡すとエラーになります（the condition has length > 1）。ifelse(test, yes, no) は各要素を判定し、行ごとに選びます。結果が 3 つ以上ある場合は入れ子にできます。

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)

2 段の入れ子までなら問題ありませんが、3 段以上になるとピラミッドになります — dplyr の case_when()（後述）はまさにその仕事のために作られました。単一の値を扱う if/else そのものは if-else のドキュメント で扱っています。

一度に複数の列: transform()

base R の transform() は、裸の列名を使って 1 回の呼び出しで複数の列を追加します。

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)

transform() は 新しい データフレームを返す点に注意してください — 結果を代入し直す必要があります。一方 df$new <- ... はその場で変更します。制約が 1 つあります。1 回の transform() 呼び出し内の式どうしは互いを参照できないので、discount = ifelse(total > 50, ...) はそこでは失敗します（total はまだ存在しません）。2 段階に分けるか、それを許す mutate() を使いましょう。

変更と作成

同じ代入構文が既存の列を上書きします。その列がすでに存在していたかどうかだけが違いです。

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

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

ここは立ち止まる価値があります。列を上書きしても R は何の警告も出しません。df$prise <- round(df$price, 2) のような打ち間違いは、古い列を直す代わりに黙って新しい列を 作成 します。変換の後は、フレームを print() か str() して、意図したものを変えたか確認しましょう。

列の削除

削除するには NULL を代入します。

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

df$notes <- NULL
print(df)

儀式なしで列が消えます。複数を削除するには、NULL を繰り返すより df[, c("a", "b")]（残すものを列挙する）の方がたいてい明快です。

dplyr のやり方: mutate()

上記すべてに対する dplyr の動詞が mutate() です。以下のスニペットは静的です（サンドボックスは base R しか実行しません）が、同じ操作はこのように書けます。

library(dplyr)

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

base R に対する利点が 2 つあります。第 1 に、同じ mutate() の中で定義した列どうしが、順番に互いを参照 できます — transform() が拒むことです。第 2 に、条件用のヘルパーが入れ子の ifelse() より優れています。

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

if_else() はより厳格な ifelse() です（両方の分岐が同じ型でなければならず、実際のバグを捕まえます）。case_when() は上から下へ判定される condition ~ value の対の平坦なリストとして読め、.default がフォールバックになります — ifelse() のピラミッドの読みやすい代替です。すべての dplyr の動詞と同様、mutate() は新しいデータフレームを返します。他の動詞とどう連鎖するかは dplyr 入門 を参照してください。

この記事のまとめ

• df$new <- expression は列を追加します。式は全行に対して一度に実行されます。
• ifelse(test, yes, no) は条件付きの列を作ります。素の if にはできません。
• transform() は 1 回の呼び出しで複数の列を追加できますが、互いを参照できません。mutate() はできます。
• 同じ代入は黙って上書きします — 変換の後は綴りを確認しましょう。
• df$col <- NULL は列を削除します。case_when() は入れ子の ifelse() のピラミッドを置き換えます。

次は 列名の変更 — names()、堅牢な base の定型句、そして dplyr の rename() です。