Como usar case_when() em dplyr

A função case_when() do pacote dplyr em R pode ser usada para criar novas variáveis a partir de variáveis existentes.

Esta função usa a seguinte sintaxe básica:

 library (dplyr)

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

Observe que TRUE é equivalente a uma instrução “else”.

Os exemplos a seguir mostram como usar esta função na prática com o seguinte quadro de dados:

 #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

Exemplo 1: Crie uma nova variável a partir de uma variável existente

O código a seguir mostra como criar uma nova variável chamada qualidade cujos valores são derivados da coluna de pontos :

 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

Veja exatamente como a função case_when() criou os valores para a nova coluna:

• Se o valor na coluna de pontos for maior que 20, o valor na coluna de qualidade será “alto”.
• Caso contrário, se o valor na coluna de pontos for maior que 15, então o valor na coluna de qualidade será “med”.
• Caso contrário, se o valor na coluna de pontos for menor ou igual a 15 (ou um valor ausente, como NA), então o valor na coluna de qualidade será “baixo”.

Exemplo 2: Crie uma nova variável a partir de múltiplas variáveis

O código a seguir mostra como criar uma nova variável chamada qualidade cujos valores são derivados das colunas de pontos e assistência :

 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

Observe que também podemos usar a função is.na() para atribuir explicitamente strings a valores 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

Recursos adicionais

Como organizar linhas em R
Como contar observações por grupo em R
Como filtrar linhas contendo uma determinada string em R