我需要根据另一个数据框中给出的一组类别标准对 R 数据框中的行进行分类。这些标准根据主数据框中几列(“特征”)的值范围定义了几个类别。
使用 mtcars
作为要分类的示例数据框,这里是定义类别的数据框:
criteria <- data.frame(category = c("high", "high", "high", "medium", "medium", "low", "low"),
trait = c("mpg", "cyl", "wt", "mpg", "cyl", "mpg", "cyl"),
min.val = c(20, 6, NA, 20, 4, 15, 6),
max.val = c(NA, 8, 3, NA, 6, 20, 8))
这意味着,例如,对于要归类为“高”的行,它需要 mpg 大于 20,cyl 介于 6 和 8 之间,而 wt 小于 3。输出将与原始输出相同mtcars
数据框,但有一个名为“category”的附加列,其中包含“high”、“medium”、“low”和 NA 的值,用于任何不符合任何标准的内容类别。
该解决方案需要独立于 (1) 类别名称和 (2) 特征列名称,以便用户可以仅向标准表提供自定义类别名称和他们希望的任何特征列选择。
我感觉解决方案可能涉及 dplyr::filter_at()
的复杂应用,但无法弄清楚如何将此函数应用于多个列,每个列都有不同的集合的标准。
最佳答案
一个 dplyr
和 purrr
解决方案可以是:
criteria_up <- criteria %>%
group_by(category) %>%
mutate(min.val = ifelse(!is.na(min.val), paste(trait, min.val, sep = " >= "), NA_character_),
max.val = ifelse(!is.na(max.val), paste(trait, max.val, sep = " <= "), NA_character_)) %>%
summarise(val = paste(paste(na.omit(min.val), collapse = " & "),
paste(na.omit(max.val), collapse = " & "),
sep = " & "))
map2_dfr(.x = criteria_up %>%
pull(val),
.y = criteria_up %>%
pull(category),
~ mtcars %>%
filter(!!rlang::parse_expr(.x)) %>%
mutate(category = !!.y)) %>%
full_join(mtcars)
mpg cyl disp hp drat wt qsec vs am gear carb category
1 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4 high
2 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4 high
3 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2 low
4 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1 low
5 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4 low
6 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4 low
7 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3 low
8 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3 low
9 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3 low
10 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2 low
11 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2 low
12 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2 low
13 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4 low
14 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6 low
15 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8 low
16 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4 medium
17 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4 medium
18 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1 medium
19 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1 medium
20 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2 medium
21 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2 medium
22 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1 medium
23 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2 medium
24 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1 medium
25 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1 medium
26 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1 medium
27 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2 medium
28 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2 medium
29 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2 medium
30 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4 <NA>
31 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4 <NA>
32 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4 <NA>
33 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4 <NA>
34 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4 <NA>
关于r - 使用 dplyr 根据多列中的值范围进行分类,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/61699813/