Dodawanie i przekształcanie kolumn w R (mutate i bazowy R)

Dodawanie kolumny: df$new <- value

Żeby dodać kolumnę w bazowym R, przypisz wartość do nazwy, która jeszcze nie istnieje. Wartość zwykle wylicza się z kolumn, które już są:

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)

Wydarzyły się tu dwie rzeczy. orders$total dostało pełny wektor: price * qty jest liczone naraz dla każdego wiersza, bo arytmetyka w R jest wektorowa. orders$currency dostało pojedynczą wartość, którą R powielił (recykling) we wszystkich czterech wierszach. Każda inna długość to błąd (replacement has 3 rows, data has 4): w ten sposób R chroni cię przed źle wyrównaną kolumną.

Działa to, bo ramka danych to lista kolumn równej długości, a przypisanie nowego nazwanego elementu powiększa listę. Ten model wyjaśnia artykuł o ramkach danych.

Kolumny warunkowe: ifelse()

Kolumna, której wartość zależy od warunku, wymaga ifelse(), czyli wektorowego kuzyna if. Przyjmuje cały wektor warunków i zwraca wartość dla każdego wiersza:

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)

Dlaczego nie zwykłe if? Bo if oblicza dokładnie jedno TRUE/FALSE, a gdy dostanie kolumnę, zgłasza błąd (the condition has length > 1). ifelse(test, yes, no) sprawdza każdy element i wybiera wartość dla każdego wiersza. Przy trzech lub więcej wynikach możesz zagnieżdżać:

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)

Zagnieżdżenie na dwa poziomy jest w porządku; trzy lub więcej zamienia się w piramidę i właśnie do tego zbudowano case_when() z dplyr (poniżej). Samo if/else dla pojedynczej wartości opisuje artykuł o if-else.

Kilka kolumn naraz: transform()

transform() z bazowego R dodaje wiele kolumn w jednym wywołaniu, z samymi nazwami kolumn:

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)

Zauważ, że transform() zwraca nową ramkę danych, więc wynik trzeba przypisać z powrotem, podczas gdy df$new <- ... modyfikuje w miejscu. Jedno ograniczenie: wyrażenia w jednym wywołaniu transform() nie widzą się nawzajem, więc discount = ifelse(total > 50, ...) tam zawiedzie (total jeszcze nie istnieje). Zrób to w dwóch krokach albo przez mutate(), które na to pozwala.

Modyfikowanie a tworzenie

Ta sama składnia przypisania nadpisuje istniejącą kolumnę; jedyna różnica polega na tym, czy kolumna już istniała:

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

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

Warto się tu zatrzymać: R nie ostrzega, gdy nadpisujesz kolumnę. Literówka w rodzaju df$prise <- round(df$price, 2) po cichu tworzy nową kolumnę zamiast poprawić starą. Po przekształceniu wywołaj na ramce print() albo str() i potwierdź, że zmieniło się to, co miało się zmienić.

Usuwanie kolumny

Przypisz NULL, żeby usunąć:

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

df$notes <- NULL
print(df)

Kolumny nie ma, bez żadnych ceremonii. Żeby usunąć kilka, df[, c("a", "b")] (zostaw to, co wymieniasz) jest zwykle czytelniejsze niż wielokrotne NULL.

Sposób dplyr: mutate()

Czasownikiem dplyr do wszystkiego powyżej jest mutate(). Poniższe fragmenty są statyczne (piaskownica uruchamia tylko bazowy R), ale tak wyglądają te same operacje:

library(dplyr)

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

Dwie przewagi nad bazowym R. Po pierwsze, kolumny zdefiniowane w tym samym mutate() mogą odwoływać się do siebie nawzajem, po kolei, czego transform() odmawia. Po drugie, funkcje pomocnicze do warunków są lepsze niż zagnieżdżone ifelse():

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

if_else() to surowsze ifelse() (obie gałęzie muszą mieć ten sam typ, co wyłapuje prawdziwe błędy). case_when() czyta się jak płaską listę par condition ~ value sprawdzanych od góry do dołu, z .default jako wartością awaryjną: to czytelny zamiennik piramidy ifelse(). Jak każdy czasownik dplyr, mutate() zwraca nową ramkę danych; to, jak łączy się z resztą, opisuje wprowadzenie do dplyr.

Co warto zapamiętać

• df$new <- expression dodaje kolumnę; wyrażenie wykonuje się naraz dla każdego wiersza.
• ifelse(test, yes, no) buduje kolumny warunkowe; zwykłe if tego nie potrafi.
• transform() dodaje kilka kolumn w jednym wywołaniu, ale nie widzą się one nawzajem; mutate() to potrafi.
• To samo przypisanie po cichu nadpisuje, więc po przekształceniu sprawdź pisownię.
• df$col <- NULL usuwa kolumnę; case_when() zastępuje piramidy zagnieżdżonych ifelse().

Dalej: zmiana nazw kolumn, czyli names(), solidny idiom bazowego R, i rename() z dplyr.