Jak używać mutate do tworzenia nowych zmiennych w r

W tym samouczku wyjaśniono, jak używać funkcji mutate() w języku R w celu dodawania nowych zmiennych do ramki danych.

Dodawanie nowych zmiennych w R

Do dodawania nowych zmiennych do ramki danych można używać następujących funkcji biblioteki dplyr :

mutate() – dodaje nowe zmienne do ramki danych, zachowując istniejące zmienne

transmute() – dodaje nowe zmienne do ramki danych i usuwa istniejące zmienne

mutate_all() – modyfikuje jednocześnie wszystkie zmienne w ramce danych

mutate_at() – modyfikuje określone zmienne według nazwy

mutate_if() – modyfikuje wszystkie zmienne spełniające określony warunek

zmutować()

Funkcja mutate() dodaje nowe zmienne do ramki danych, zachowując wszystkie istniejące zmienne. Podstawowa składnia mutate() jest następująca:

 data <- mutate (new_variable = existing_variable/3)

• dane: nowy blok danych, do którego można przypisać nowe zmienne
• nowa_zmienna: nazwa nowej zmiennej
• istniejąca_zmienna: istniejąca zmienna w ramce danych, na której chcesz wykonać operację w celu utworzenia nowej zmiennej

Na przykład poniższy kod demonstruje, jak dodać nową zmienną root_sepal_width do osadzonego zestawu danych iris :

 #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

przeobrazić()

Funkcja transmute() dodaje nowe zmienne do ramki danych i usuwa istniejące zmienne. Poniższy kod demonstruje, jak dodać dwie nowe zmienne do zbioru danych i usunąć wszystkie istniejące zmienne:

 #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

mutuj_wszystko()

Funkcja mutate_all() modyfikuje wszystkie zmienne w ramce danych jednocześnie, umożliwiając wykonanie określonej funkcji na wszystkich zmiennych za pomocą funkcji funs() . Poniższy kod demonstruje, jak podzielić wszystkie kolumny w ramce danych przez 10 za pomocą 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

Należy pamiętać, że do ramki danych można dodać dodatkowe zmienne, określając nową nazwę, która zostanie dołączona do starej nazwy zmiennej:

 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

mutować_w()

Funkcja mutate_at() modyfikuje określone zmienne według nazwy. Poniższy kod demonstruje, jak podzielić dwie określone zmienne przez 10 za pomocą 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

mutuj_jeśli()

Funkcja mutate_if() modyfikuje wszystkie zmienne spełniające określony warunek. Poniższy kod ilustruje sposób użycia funkcji mutate_if() do konwersji dowolnej zmiennej typu na znak typu:

 #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"

Poniższy kod ilustruje sposób użycia funkcji mutate_if() do zaokrąglenia wszystkich zmiennych numerycznych do jednego miejsca dziesiętnego:

 #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

Dalsza lektura:
Przewodnik po Apply(), lapply(), sapply() i tapply() w R
Jak ułożyć linie w R
Jak filtrować wiersze w R