Un'altra possibile soluzione è quella di utilizzare tra() e ifelse(), ad esempio, se il valore nella colonna x è minore di quattro, eseguire la mutazione:
library(tidyverse)
tibble(x = c(1:2, 4:5), y = 1:4) %>%
mutate(across(everything(), ~ ifelse(x < 4, -.x, .x)))
#> # A tibble: 4 × 2
#> x y
#> <int> <int>
#> 1 -1 -1
#> 2 -2 -2
#> 3 4 3
#> 4 5 4
Creato il 2021-11-24 dal reprex pacchetto (v2.0.1)
Inoltre, è possibile nidificare ifelse insieme, ad esempio, se il valore nella colonna x è inferiore a 4, o se un valore in una colonna è uguale a 3, mutare:
library(tidyverse)
tibble(x = c(1:2, 4:5), y = 1:4) %>%
mutate(across(everything(), ~ ifelse(x < 4, -.x,
ifelse(.x == 3, .x + 10, .x))))
#> # A tibble: 4 × 2
#> x y
#> <int> <dbl>
#> 1 -1 -1
#> 2 -2 -2
#> 3 4 13
#> 4 5 4
Creato il 2021-11-24 dal reprex pacchetto (v2.0.1)
E così via:
library(tidyverse)
tibble(x = c(1:2, 4:5), y = 1:4) %>%
mutate(across(everything(), ~ ifelse(x < 4, -.x,
ifelse(.x == 3, .x + 10,
ifelse(.x >= 5, "outlier", .x)))))
#> # A tibble: 4 × 2
#> x y
#> <chr> <dbl>
#> 1 -1 -1
#> 2 -2 -2
#> 3 4 13
#> 4 outlier 4
Creato il 2021-11-24 dal reprex pacchetto (v2.0.1)
--
Fare la mutazione in modo più efficiente, non utilizzare dplyr::mutare. Il ifelse() la funzione vettoriale (per ulteriori dettagli: https://swcarpentry.github.io/r-novice-gapminder/09-vectorization/) e se si dispone di un grande dataframe, ifelse solo molto probabile che sarà più veloce di tidyverse funzioni, ad es.
library(tidyverse)
df <- tibble(x = c(1:2, 4:5), y = 1:4)
df$y <- ifelse(df$x < 4, -df$y, df$y)
df
#> # A tibble: 4 × 2
#> x y
#> <int> <int>
#> 1 1 -1
#> 2 2 -2
#> 3 4 3
#> 4 5 4
Modifica
Un'altra possibilità è quella di sostituire i valori tramite l'assegnazione: df$y[df$x < 4] <- -(df$y); df$x[df$x < 4] <- -(df$x)
(veloce, ma ci sono delle limitazioni).
Ecco una rapida benchmark dei metodi suggeriti con 1 milione di righe:
library(tidyverse)
df <- tibble(x = sample(1:10, 1000000, replace = TRUE),
y = sample(1:10, 1000000, replace = TRUE))
mutate_func <- function(df){
df %>%
mutate(across(everything(), ~ ifelse(x < 4, -.x, .x)))
}
ifelse_func <- function(df){
df$y <- ifelse(df$x < 4, -df$y, df$y)
}
replacement_func <- function(df) {
df$y[df$x < 4] <- -(df$y)
df$x[df$x < 4] <- -(df$x)
}
mutate_when_func <- function(df) {
mutate_when <- function(.data, when, ...) {
dots <- enquos(...)
names <- names(dots)
mutate(.data, {
test <- {{ when }}
changed <- data.frame(!!!dots, stringsAsFactors = FALSE)
out <- across(all_of(names))
# assuming `changed` and `out` have the same data frame type
out[test, ] <- changed[test, ]
out
})
}
df %>%
mutate_when(x < 4, x = -x, y = -y)
}
library(microbenchmark)
result <- microbenchmark(mutate_func(df), ifelse_func(df),
mutate_when_func(df), replacement_func(df),
times = 10)
autoplot(result)