作者：小橙子
来源：小橙子学数据分析
有很多成语，来形容根据一个事物，生成了另一个事物。
比如：依样画葫芦、东施效颦等等(略有歧义)。
而今天讲解的mutate，就类似这种情况，根据现有的信息，生成一个新的变量。
dplyr中，几个主要函数
1filter 系列 #筛选满足条件的样本(cases),第一篇已经讲解
2select 系列 #筛选满足条件的变量，第二篇已经讲解
3mutate 系列 #生成新的变量
4summarise 系列 #概括数据集信息
5join 系列 #关联函数，同SQL中的join
在数据处理过程中，经常会遇到这几个函数
mutate系列：mutate、mutate_all、mutate_at、mutate_if、transtate
用法：mutate(.data, ...)
mutate的使用方式，主要是依靠"..."的公式变化，生成新的变量
mutate支持以下几种公式 ：
+、-、*、÷ 、%%、%|% 等常用计算方式
lead()、 lag()
dense_rank(), min_rank(), percent_rank(), row_number(), cume_dist(), ntile()
cumsum(), cummean(), cummin(), cummax(), cumany(), cumall()
na_if(), coalesce()
if_else(), recode(), case_when()
先从"rank"系列开始介绍，这一函数类，主要是用来划分名次、等级、百分比、密度等等
1#percent_rank，按照[0,1]百分比的形式进行排序
2# 举例说明，按照x的数值，按照百分比进行划分
3x <- c(5, 1, 3, 2, 4)
4percent_rank(x)
5# [1] 1.00 0.00 0.50 0.25 0.75
6# 这类函数比较适用于 ，需要排名次的场景。比如考试、比赛...
7
8# 比如根据iris中的Sepal.Length，进行百分比表示,
9iris %>%
10 mutate(Length_rank = percent_rank(Sepal.Length)) %>% # %>% 管道的标识符
11 select(Length_rank,everything()) # select函数中，everything()可以用来更换变量顺序
12# Length_rank Sepal.Length Sepal.Width Petal.Length Petal.Width Species
13# 0.21476510 5.1 3.5 1.4 0.2 setosa
14# 0.10738255 4.9 3.0 1.4 0.2 setosa
15# ...(数据省略)
16
17# row_number()，不仅可以用来对想来排序,也可以表示获取行数
18 mutate(mtcars, row_number() == 1L) # 新生成的变量，用来判断是否是第一行，返回TRUE 或者 FALSE
19 mtcars %>% filter(between(row_number(), 1, 10)) # 通过row_number,筛选1-10行.有点类似 top_n(10)
20
21 # ntile，切割数据集为N块，返回具体的数值，属于等分切割
22 ntile(runif(10), 5)
23# [1] 1 2 4 5 5 3 4 2 3 1
24# 某种程度上，ntile可以用来划分训练集和测试集(类似sample函数)
25# ind <- sample(2, nrow(mtcars), replace = TRUE, prob = c(0.8,0.2))
26# mtcars[ind == 1,]
27# 备注：ntile对数据框使用的时候，如果没有特殊标明具体的数据列,ntile会对所有的列进行切割操作
再说一下"cum"函数系列，这类函数计算累积指标，比如截止到某一天的平均值、总和、乘积等等。
1# cumsum，累积相加的数值
2cumsum(1:10)
3# 1 3 6 10 15 21 28 36 45 55
4# 原数据集有N个，返回也是N个
5# 类似MS_SQL中的sum(s)over(order by y)
6
7# cumany(), cumall()，则是逻辑判断，并非计算数值
8cumall(-5:5)
9# TRUE TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
10# 返回的是逻辑值，0代表FALSE
最后说一下"判断"函数系列，这类函数应用比较广泛。
比如生活中，当天空下雨了，小明就打伞了
类似EXCEL中的 if函数，vlookup函数等等
1# if_else
2# 用法：if_else(condition, true, false, missing = NULL)，比传统的ifelse多了一个missing参数
3# 并且if_else能保留原数据的数据类型，不会降维操作
4
5# 假设x >= 0,则 y-1，y < 0 的情况下, y + 1
6df <- data.frame(x = c(-5:4), y = runif(10))
7df %>% mutate( xy = if_else(x >= 0, y -1, y+1, y))
8# x y xy
9# -5 0.7760150 1.7760150
10# -4 0.9310976 1.9310976
11# case_when中，判断的条件可以更加的多样化
12# case_when,与SQL中的case...when...一样
13# 同C语言中的switch一样
14
15x <- c(1:10,NA)
16case_when(
17 x %% 2 == 0 ~ "偶",
18 x %% 2 == 1 ~ "奇",
19 TRUE ~ as.character(x)
20 #可以设置一个默认值
21)
22# "奇" "偶" "奇" "偶" "奇" "偶" "奇" "偶" "奇" "偶" NA
mutate 总结：
mutate 类似于SQL中，根据表的现有变量，生成新变量
R语言中，支持多种数据生成方式，使得实际应用中更加高效
下一篇，将探讨如何利用“summarise ”，总结数据特性
——————————————
往期精彩：
天善智能清华教授团队亲自授课，打造人人都能上手的Python课程
小程序
