Adicionar e Transformar Colunas no R (mutate e R Base)

Adicionando uma Coluna: df$new <- valor

Para adicionar uma coluna no R base, atribua a um nome que ainda não existe. O valor geralmente é calculado a partir de colunas que existem:

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)

Duas coisas aconteceram. orders$total recebeu um vetor completo - price * qty é calculado para todas as linhas de uma vez, porque a aritmética no R é vetorizada. orders$currency recebeu um valor único, que o R reciclou para as quatro linhas. Qualquer outro comprimento é um erro (replacement has 3 rows, data has 4), que é o R protegendo você de uma coluna desalinhada.

Isso funciona porque um data frame é uma lista de colunas de comprimentos iguais - atribuir um novo elemento nomeado faz a lista crescer. A documentação de data frames destrincha esse modelo.

Colunas Condicionais: ifelse()

Uma coluna cujo valor depende de uma condição pede ifelse() - o primo vetorizado do if. Ele recebe um vetor inteiro de condições e retorna um valor por linha:

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)

Por que não um if simples? Porque if avalia exatamente um TRUE/FALSE - ao receber uma coluna, ele gera erro (the condition has length > 1). ifelse(test, yes, no) verifica cada elemento e escolhe linha por linha. Para três ou mais resultados, você pode aninhar:

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)

Aninhar em dois níveis é aceitável; três ou mais vira uma pirâmide - esse é exatamente o trabalho para o qual o case_when() do dplyr (abaixo) foi criado. O if/else de valor único em si é coberto na documentação de if-else.

Várias Colunas de Uma Vez: transform()

O transform() do R base adiciona múltiplas colunas em uma única chamada, com nomes de colunas sem prefixo:

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)

Note que transform() retorna um novo data frame - você precisa atribuir o resultado de volta, enquanto df$new <- ... modifica o objeto diretamente. Uma limitação: as expressões dentro de uma mesma chamada de transform() não conseguem enxergar umas às outras, então discount = ifelse(total > 50, ...) falha ali (total ainda não existe). Faça em duas etapas - ou com mutate(), que permite isso.

Modificar vs Criar

A mesma sintaxe de atribuição sobrescreve uma coluna existente - a única diferença é se a coluna já existia:

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

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

Vale a pena parar aqui: o R não dá nenhum aviso quando você sobrescreve uma coluna. Um erro de digitação como df$prise <- round(df$price, 2) silenciosamente cria uma coluna nova em vez de corrigir a antiga. Depois de uma transformação, use print() ou str() no data frame e confirme que você mudou o que pretendia.

Removendo uma Coluna

Atribua NULL para excluir:

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

df$notes <- NULL
print(df)

A coluna se foi, sem cerimônia. Para remover várias, df[, c("a", "b")] (mantenha o que você lista) costuma ser mais claro do que NULLs repetidos.

O Jeito dplyr: mutate()

O verbo do dplyr para tudo isso é mutate(). Os trechos abaixo são estáticos - o sandbox executa apenas R base - mas é assim que as mesmas operações ficam:

library(dplyr)

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

Duas vantagens sobre o R base. Primeiro, colunas definidas no mesmo mutate() podem referenciar umas às outras, em ordem - exatamente o que o transform() recusa. Segundo, os auxiliares condicionais são melhores do que ifelse() aninhado:

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

if_else() é um ifelse() mais rigoroso (os dois ramos precisam ser do mesmo tipo - o que pega bugs reais). case_when() se lê como uma lista plana de pares condição ~ valor verificados de cima para baixo, com .default como reserva - o substituto legível para a pirâmide de ifelse(). Como todo verbo do dplyr, mutate() retorna um novo data frame; veja a introdução ao dplyr para saber como ele se encadeia com o restante.

O Que Você Leva Daqui

• df$new <- expressão adiciona uma coluna; a expressão é executada para todas as linhas de uma vez.
• ifelse(test, yes, no) constrói colunas condicionais; o if simples não consegue.
• transform() adiciona várias colunas por chamada, mas elas não enxergam umas às outras; mutate() consegue.
• A mesma atribuição sobrescreve silenciosamente - confira a grafia depois de uma transformação.
• df$col <- NULL remove uma coluna; case_when() substitui pirâmides de ifelse() aninhado.

A seguir: renomear colunas - names(), o idioma robusto do R base e o rename() do dplyr.