实际中,经常需要对列中的值进行重新编码。 (1) 两类别情形:if_else() 用if_else() 作是/否决策以确定用哪个值做重新编码: df %>% mutate(sex = if_else(sex == "男", "M", "F"))(2) 多类别情形:case_when() 用case_when() 做更多条件下的重新编码,避免使用很多 if_else() 嵌套: ...
mutate(学校 = factor(学校),性别 = if_else(性别 == 0, "girl", "boy"),性别 = factor(性别, levels = c("girl", "boy")),受过学前教育 = if_else(受过学前教育 == 0, "no", "yes"),受过学前教育 = factor(受过学前教育, levels = c("no", "yes"))) 检查缺失的数据 summarise_each(...
mutate(学校 = factor(学校), 性别= if_else(性别 == 0, "girl", "boy"), 性别= factor(性别, levels = c("girl", "boy")), 受过学前教育 = if_else(受过学前教育 == 0, "no", "yes"), 受过学前教育 = factor(受过学前教育, levels = c("no", "yes"))) 检查缺失的数据 summarise_eac...
mutate(学校 = factor(学校), 性别= if_else(性别 == 0, "girl", "boy"), 性别= factor(性别, levels = c("girl", "boy")), 受过学前教育 = if_else(受过学前教育 == 0, "no", "yes"), 受过学前教育 = factor(受过学前教育, levels = c("no", "yes"))) 检查缺失的数据 summarise_eac...
然后,使用mutate()添加新列: df <- df %>% # 使用管道操作符%>% mutate(new_column = 现有列1 + 现有列2) # 基于现有列计算新列 3. 条件插入:ifelse()函数 有时,我们可能需要根据某些条件来插入新列的值。这时,ifelse()函数就非常有用了。ifelse()函数接受三个参数:条件、条件为真时的值、条件为...
数据框函数- 排序arrange()和desc参数、distinct()去重复、mutate()数据框新增列 注意⚠️没有赋值就没有改变 管道符号%>%-实现连续的步骤非常易读 彩虹代码展现嵌套函数的逻辑。 if条件语句:如果。。。就。。。 2. 脚本项目管理、条件循环 2.1 长脚本管理方式 ...
在R语言中,创建新变量是非常灵活和简单的。我们可以根据需要利用现有的变量、ifelse函数、mutate函数或transform函数来创建新的变量。通过不同的方法,我们可以更好地处理数据,满足我们的分析需求。 通过本文的介绍,希望读者可以更加熟练地使用R语言中创建新变量的方法,提高数据处理和分析的效率。
创建查找向量，然后匹配：
这里,mutate函数用于创建新的列,if_else函数用于实现条件判断。 4. 使用mapvalues函数进行转换 mapvalues函数是stats包中的一个函数,它可以根据给定的映射关系转换数据。首先,我们需要加载stats包: library(stats) 1. 然后,我们可以创建一个映射关系,并使用mapvalues函数进行转换: ...
使用mutate函数也可以修改现有变量。以iris数据框为例,我们可以将花瓣长度(petal.length)转换为厘米为单位: 我们将每个花瓣长度值除以10,从毫米转换为厘米。54毫米的花瓣长度现在是0.54厘米。 3. 对现有变量进行变换 4. 使用ifelse函数 mutate函数还可以结合ifelse函数使用,来实现对变量的逻辑判断。以iris数据框为例...