Cara menggunakan mutate untuk membuat variabel baru di r

Tutorial ini menjelaskan cara menggunakan fungsi mutate() di R untuk menambahkan variabel baru ke bingkai data.

Menambahkan variabel baru di R

Fungsi perpustakaan dplyr berikut dapat digunakan untuk menambahkan variabel baru ke bingkai data:

mutate() – menambahkan variabel baru ke bingkai data sambil mempertahankan variabel yang ada

transmute() – menambahkan variabel baru ke bingkai data dan menghapus variabel yang ada

mutate_all() – mengubah semua variabel dalam bingkai data sekaligus

mutate_at() – mengubah variabel tertentu berdasarkan nama

mutate_if() – memodifikasi semua variabel yang memenuhi kondisi tertentu

mengubah()

Fungsi mutate() menambahkan variabel baru ke bingkai data sambil mempertahankan semua variabel yang ada. Sintaks dasar dari mutate() adalah:

 data <- mutate (new_variable = existing_variable/3)

• data: blok data baru untuk menetapkan variabel baru
• new_variable: nama variabel baru
• variabel_yang ada: variabel yang ada dalam bingkai data yang ingin Anda operasikan untuk membuat variabel baru

Misalnya, kode berikut menunjukkan cara menambahkan variabel root_sepal_width baru ke kumpulan data iris yang tertanam:

 #define data frame as the first six lines of the iris dataset
data <- head(iris)

#view data
data

# Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#1 5.1 3.5 1.4 0.2 setosa
#2 4.9 3.0 1.4 0.2 setosa
#3 4.7 3.2 1.3 0.2 setosa
#4 4.6 3.1 1.5 0.2 setosa
#5 5.0 3.6 1.4 0.2 setosa
#6 5.4 3.9 1.7 0.4 setosa

#load dplyr library
library(dplyr)

#define new column root_sepal_width as the square root of the Sepal.Width variable
data %>% mutate (root_sepal_width = sqrt(Sepal.Width))

# Sepal.Length Sepal.Width Petal.Length Petal.Width Species root_sepal_width
#1 5.1 3.5 1.4 0.2 setosa 1.870829
#2 4.9 3.0 1.4 0.2 setosa 1.732051
#3 4.7 3.2 1.3 0.2 setosa 1.788854
#4 4.6 3.1 1.5 0.2 setosa 1.760682
#5 5.0 3.6 1.4 0.2 setosa 1.897367
#6 5.4 3.9 1.7 0.4 setosa 1.974842

mengubah()

Fungsi transmute() menambahkan variabel baru ke bingkai data dan menghapus variabel yang ada. Kode berikut menunjukkan cara menambahkan dua variabel baru ke kumpulan data dan menghapus semua variabel yang ada:

 #define data frame as the first six lines of the iris dataset
data <- head(iris)

#viewdata
data

# Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#1 5.1 3.5 1.4 0.2 setosa
#2 4.9 3.0 1.4 0.2 setosa
#3 4.7 3.2 1.3 0.2 setosa
#4 4.6 3.1 1.5 0.2 setosa
#5 5.0 3.6 1.4 0.2 setosa
#6 5.4 3.9 1.7 0.4 setosa

#define two new variables and remove all existing variables
data %>% transmute (root_sepal_width = sqrt(Sepal.Width),
                   root_petal_width = sqrt(Petal.Width))

# root_sepal_width root_petal_width
#1 1.870829 0.4472136
#2 1.732051 0.4472136
#3 1.788854 0.4472136
#4 1.760682 0.4472136
#5 1.897367 0.4472136
#6 1.974842 0.6324555

bermutasi_semua()

Fungsi mutate_all() memodifikasi semua variabel dalam bingkai data sekaligus, memungkinkan Anda menjalankan fungsi tertentu pada semua variabel menggunakan fungsi funs() . Kode berikut menunjukkan cara membagi semua kolom dalam bingkai data dengan 10 menggunakan mutate_all() :

 #define new data frame as the first six rows of iris without the Species variable
data2 <- head(iris) %>% select(-Species)

#view the new data frame
data2

# Sepal.Length Sepal.Width Petal.Length Petal.Width
#1 5.1 3.5 1.4 0.2
#2 4.9 3.0 1.4 0.2
#3 4.7 3.2 1.3 0.2
#4 4.6 3.1 1.5 0.2
#5 5.0 3.6 1.4 0.2
#6 5.4 3.9 1.7 0.4

#divide all variables in the data frame by 10
data2 %>% mutate_all (funs(./10))

# Sepal.Length Sepal.Width Petal.Length Petal.Width
#1 0.51 0.35 0.14 0.02
#2 0.49 0.30 0.14 0.02
#3 0.47 0.32 0.13 0.02
#4 0.46 0.31 0.15 0.02
#5 0.50 0.36 0.14 0.02
#6 0.54 0.39 0.17 0.04

Perhatikan bahwa variabel tambahan dapat ditambahkan ke bingkai data dengan menentukan nama baru untuk ditambahkan ke nama variabel lama:

 data2 %>% mutate_all (funs(mod = ./10))

# Sepal.Length Sepal.Width Petal.Length Petal.Width Sepal.Length_mod
#1 5.1 3.5 1.4 0.2 0.51
#2 4.9 3.0 1.4 0.2 0.49
#3 4.7 3.2 1.3 0.2 0.47
#4 4.6 3.1 1.5 0.2 0.46
#5 5.0 3.6 1.4 0.2 0.50
#6 5.4 3.9 1.7 0.4 0.54
# Sepal.Width_mod Petal.Length_mod Petal.Width_mod
#1 0.35 0.14 0.02
#2 0.30 0.14 0.02
#3 0.32 0.13 0.02
#4 0.31 0.15 0.02
#5 0.36 0.14 0.02
#6 0.39 0.17 0.04

bermutasi_at()

Fungsi mutate_at() mengubah variabel tertentu berdasarkan nama. Kode berikut menunjukkan cara membagi dua variabel tertentu dengan 10 menggunakan mutate_at() :

 data2 %>% mutate_at (c("Sepal.Length", "Sepal.Width"), funs(mod = ./10))

# Sepal.Length Sepal.Width Petal.Length Petal.Width Sepal.Length_mod
#1 5.1 3.5 1.4 0.2 0.51
#2 4.9 3.0 1.4 0.2 0.49
#3 4.7 3.2 1.3 0.2 0.47
#4 4.6 3.1 1.5 0.2 0.46
#5 5.0 3.6 1.4 0.2 0.50
#6 5.4 3.9 1.7 0.4 0.54
# Sepal.Width_mod
#1 0.35
#2 0.30
#3 0.32
#4 0.31
#5 0.36
#6 0.39

bermutasi_if()

Fungsi mutate_if() memodifikasi semua variabel yang memenuhi kondisi tertentu. Kode berikut mengilustrasikan cara menggunakan fungsi mutate_if() untuk mengonversi variabel apa pun yang bertipe faktor menjadi bertipe karakter :

 #find variable type of each variable in a data frame
data <- head(iris)
sapply(data, class)

#Sepal.Length Sepal.Width Petal.Length Petal.Width Species 
# "numeric" "numeric" "numeric" "numeric" "factor" 

#convert any variable of type factor to type character
new_data <- data %>% mutate_if(is.factor, as.character)
sapply(new_data, class)

#Sepal.Length Sepal.Width Petal.Length Petal.Width Species 
# "numeric" "numeric" "numeric" "numeric" "character"

Kode berikut menunjukkan cara menggunakan fungsi mutate_if() untuk membulatkan semua variabel numerik ke satu tempat desimal:

 #define data as first six rows of iris dataset
data <- head(iris)

#view data
data

# Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#1 5.1 3.5 1.4 0.2 setosa
#2 4.9 3.0 1.4 0.2 setosa
#3 4.7 3.2 1.3 0.2 setosa
#4 4.6 3.1 1.5 0.2 setosa
#5 5.0 3.6 1.4 0.2 setosa
#6 5.4 3.9 1.7 0.4 setosa

#round any variables of type numeric to one decimal place
data %>% mutate_if(is.numeric, round, digits = 0)

# Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#1 5 4 1 0 setosa
#2 5 3 1 0 setosa
#3 5 3 1 0 setosa
#4 5 3 2 0 setosa
#5 5 4 1 0 setosa
#6 5 4 2 0 setosa

Bacaan lebih lanjut:
Panduan untuk apply(), lapply(), sapply() dan tapply() di R
Cara menyusun garis di R
Cara memfilter baris di R