Мне нужно рассчитать новые столбцы на основе данных, которые выглядят так:
structure(list(english_score = c(3L, 4L, 3L, 3L, 4L, 3L, 4L,
2L, 4L, 2L, 3L, 3L, 2L, 2L, 3L, 4L, 3L, 3L, 4L, 3L, 4L, 3L, 2L
), math_score = c(4L, 4L, 3L, 4L, 4L, 4L, 3L, 2L, 3L, 3L, 4L,
2L, 4L, 2L, 4L, 2L, 3L, 3L, 2L, 2L, 2L, 4L, 2L), science_score = c(3L,
4L, 4L, 4L, 3L, 4L, 4L, 3L, 3L, 2L, 3L, 4L, 4L, 4L, 4L, 4L, 4L,
2L, 3L, 2L, 3L, 3L, 4L)), row.names = c(NA, -23L), class = c("data.table",
"data.frame"), .internal.selfref = <pointer: 0x000002478ee34d50>)
Я хочу создать что-то вроде этого:
structure(list(english_score = c(3L, 4L, 3L, 3L, 4L, 3L, 4L,
2L, 4L, 2L, 3L, 3L, 2L, 2L, 3L, 4L, 3L, 3L, 4L, 3L, 4L, 3L, 2L
), math_score = c(4L, 4L, 3L, 4L, 4L, 4L, 3L, 2L, 3L, 3L, 4L,
2L, 4L, 2L, 4L, 2L, 3L, 3L, 2L, 2L, 2L, 4L, 2L), science_score = c(3L,
4L, 4L, 4L, 3L, 4L, 4L, 3L, 3L, 2L, 3L, 4L, 4L, 4L, 4L, 4L, 4L,
2L, 3L, 2L, 3L, 3L, 4L), english_level = c("Level C", "Level D",
"Level C", "Level C", "Level D", "Level C", "Level D", "Level B",
"Level D", "Level B", "Level C", "Level C", "Level B", "Level B",
"Level C", "Level D", "Level C", "Level C", "Level D", "Level C",
"Level D", "Level C", "Level B"), math_level = c("Level D", "Level D",
"Level C", "Level D", "Level D", "Level D", "Level C", "Level B",
"Level C", "Level C", "Level D", "Level B", "Level D", "Level B",
"Level D", "Level B", "Level C", "Level C", "Level B", "Level B",
"Level B", "Level D", "Level B"), science_level = c("Level C",
"Level D", "Level D", "Level D", "Level C", "Level D", "Level D",
"Level C", "Level C", "Level B", "Level C", "Level D", "Level D",
"Level D", "Level D", "Level D", "Level D", "Level B", "Level C",
"Level B", "Level C", "Level C", "Level D")), row.names = c(NA,
-23L), class = c("data.table", "data.frame"), .internal.selfref = <pointer:
0x000002478ee34d50>)
До сих пор мой подход заключался в использовании функции для вычисления уровней новых переменных...
myfunction<-function(x){case_when(x<2~"Level A",
x>1 & x<3~"Level B",
x>2 & x<4~"Level C",
x>3~"Level D")}
....а затем создайте новые переменные и назначьте им имена одну за другой.
DT[, english_level:=lapply(.SD, myfunction), .SDcols='english_score']
DT[, math_level:=lapply(.SD, myfunction), .SDcols='math_score']
DT[, science_level:=lapply(.SD, myfunction), .SDcols='science_score']
Как упростить этот процесс, желательно с помощью data.table?
Я бы сделал это (я назвал ваши данные DT
, поскольку utils::data()
является базовой функцией R):
score_cols <- grep("_score$", names(DT), value = TRUE)
level_cols <- sub("_score", "_level", score_cols)
DT[,
(level_cols) := lapply(.SD, myfunction),
.SDcols = score_cols
]
Кроме того, ваш myfunction()
использует dplyr::case_when()
. Это будет работать, но некоторые функции dplyr
конфликтуют с data.table
(between()
, first()
и last()
с текущими версиями). Вы можете заменить это на data.table::fcase()
.
myfunction <- function(x) {
fcase(
x == 1, "Level A",
x == 2, "Level B",
x == 3, "Level C",
x == 4, "Level D"
)
}
Это также должно быть быстрее, чем версия dplyr
.
Кроме того, с помощью этой конкретной функции вы могли бы фактически заменить случай, когда логика ввода присваивается n
-й букве в алфавите в качестве оценки:
assign_letter_grade <- function(n) {
paste("Level", LETTERS[n])
}
Вот один из вариантов, когда вам не нужно создавать собственную функцию. Вместо этого вы можете создать таблицу сопоставления, а затем сопоставить каждую оценку с уровнем обучения.
grade_map = data.table(
score = c(1:5),
lvl = paste(rep("Level", 5), c("A","B","C","D","F"))
)
lvl_cols = gsub("score","level", names(orig))
score_cols = names(orig)
# Group by Row
orig[,
(lvl_cols) := lapply(.SD, function(x) {grade_map[score %in% x]$lvl}),
by = 1:nrow(orig),
.SDcols = score_cols
]
# Using merge
orig[,
(lvl_cols) := lapply(.SD, function(x) {
merge(data.table(score = x), grade_map, by = "score", sort = F)$lvl
}),
.SDcols = score_cols
]
english_score math_score science_score english_level math_level science_level
1: 3 4 3 Level C Level D Level C
2: 4 4 4 Level D Level D Level D
3: 3 3 4 Level C Level C Level D
4: 3 4 4 Level C Level D Level D
5: 4 4 3 Level D Level D Level C
6: 3 4 4 Level C Level D Level D
7: 4 3 4 Level D Level C Level D
8: 2 2 3 Level B Level B Level C
9: 4 3 3 Level D Level C Level C
10: 2 3 2 Level B Level C Level B
11: 3 4 3 Level C Level D Level C
12: 3 2 4 Level C Level B Level D
13: 2 4 4 Level B Level D Level D
14: 2 2 4 Level B Level B Level D
15: 3 4 4 Level C Level D Level D
16: 4 2 4 Level D Level B Level D
17: 3 3 4 Level C Level C Level D
18: 3 3 2 Level C Level C Level B
19: 4 2 3 Level D Level B Level C
20: 3 2 2 Level C Level B Level B
21: 4 2 3 Level D Level B Level C
22: 3 4 3 Level C Level D Level C
23: 2 2 4 Level B Level B Level D
Почему by = 1:nrow(orig)
?
Поскольку «x» представляет столбец. Мне нужно сгруппировать по строке, чтобы передать каждое отдельное значение x, а не весь вектор.
@SamR — добавлена опция без необходимости группировки по строке. В любом случае ваше решение чище. Я просто хотел нанести удар по нему
Мне нравится вариант без группировки. Есть несколько вещей, в которых data.table
работает на удивление медленно, и группировка по строкам — одна из них.
@SamR Это не удивительно и не характерно для data.table. Вызовы функций R обходятся дорого, поэтому выполнение их для каждой строки должно быть медленным.
@Roland, это определенно не относится к data.table. Пакет заметно быстрее, чем dplyr
или базовый R, поскольку многие команды выполняются более или менее мгновенно на моей машине. Поэтому, когда есть определенные операции, которые требуют времени, я всегда удивляюсь.
может быть что-то упущено, поскольку myfunction может быть просто примером. разве это не просто
c("A", "B", "C", "D")[score]
?