Come utilizzare case_when() in dplyr

La funzione case_when() del pacchetto dplyr in R può essere utilizzata per creare nuove variabili da variabili esistenti.

Questa funzione utilizza la seguente sintassi di base:

 library (dplyr)

df %>%
  mutate (new_var = case_when (var1 < 15 ~ ' low ',
                             var2 < 25 ~ ' med ',
                             TRUE ~ ' high '))

Tieni presente che TRUE equivale a un’istruzione “else”.

I seguenti esempi mostrano come utilizzare in pratica questa funzione con il seguente frame di dati:

 #create data frame
df <- data. frame (player = c('AJ', 'Bob', 'Chad', 'Dan', 'Eric', 'Frank'),
                 position = c('G', 'F', 'F', 'G', 'C', NA),
                 points = c(12, 15, 19, 22, 32, NA),
                 assists = c(5, 7, 7, 12, 11, NA))

#view data frame
df

  player position points assists
1 AJ G 12 5
2 Bob F 15 7
3 Chad F 19 7
4 Dan G 22 12
5 Eric C 32 11
6 Frank NA NA NA

Esempio 1: creare una nuova variabile da una variabile esistente

Il codice seguente mostra come creare una nuova variabile chiamata qualità i cui valori derivano dalla colonna punti :

 df %>%
mutate (quality = case_when (points > 20 ~ ' high ',
                             points > 15 ~ ' med ',
                             TRUE ~ ' low ' ))

  player position points assists quality
1 AJ G 12 5 low
2 Bob F 15 7 low
3 Chad F 19 7 med
4 Dan G 22 12 high
5 Eric C 32 11 high
6 Frank NA NA NA low

Ecco esattamente come la funzione case_when() ha creato i valori per la nuova colonna:

• Se il valore nella colonna dei punti è maggiore di 20, il valore nella colonna della qualità sarà “alto”.
• Altrimenti, se il valore nella colonna punti è maggiore di 15, allora il valore nella colonna qualità sarà “med”.
• Altrimenti, se il valore nella colonna dei punti è inferiore o uguale a 15 (o un valore mancante come NA), il valore nella colonna della qualità sarà “basso”.

Esempio 2: creare una nuova variabile da più variabili

Il codice seguente mostra come creare una nuova variabile chiamata qualità i cui valori derivano dalle colonne points e assist :

 df %>%
mutate (quality = case_when (points > 15 & assists > 10 ~ ' great ',
                             points > 15 & assists > 5 ~ ' good ',
                             TRUE ~ ' average ' ))

  player position points assists quality
1 AJ G 12 5 average
2 Bob F 15 7 average
3 Chad F 19 7 good
4 Dan G 22 12 great
5 Eric C 32 11 great
6 Frank NA NA NA average

Nota che possiamo anche usare la funzione is.na() per assegnare esplicitamente stringhe a valori NA:

 df %>%
mutate (quality = case_when (is. na (points) ~ ' missing ',
                             points > 15 & assists > 10 ~ ' great ',
                             points > 15 & assists > 5 ~ ' good ',
                             TRUE ~ ' average ' ))

  player position points assists quality
1 AJ G 12 5 average
2 Bob F 15 7 average
3 Chad F 19 7 good
4 Dan G 22 12 great
5 Eric C 32 11 great
6 Frank NA NA NA missing

Risorse addizionali

Come disporre le righe in R
Come contare le osservazioni per gruppo in R
Come filtrare le righe contenenti una determinata stringa in R