warpbreaks%>%mutate(breed=if_else(wool=="A",true="Merino",false="Corriedale"))%>%sample_frac(size=0.15) 2.多类别情形:case_when() 用case_when() 做更多条件下的替换,避免使用很多 if_else() 嵌套。 warpbreaks%>%mutate(tension=case_when(tension=="H"~"High",tension=="M"~"Medium",tens...
na(天数), mdays(月份), 天数), 事项 = case_when( str_detect(事项, "年休|休假") ~ "年休假", str_detect(事项, "居家") ~ "居家", str_detect(事项, "病假") ~ "病假", str_detect(事项, "产假") ~ "产假", TRUE ~ 事项)) %>% group_by(姓名, 事项) %>% summarise(天数 = ...
下面通过一个小例子来进行展示； 加载R包 library(tidyverse) library(ggtext) library(ggforce) 数据...
但是 fastTime 是相同的。 如果使用 equals 那么这个方法比较的是毫秒，所以是不相等的。
case_when() 中用的是公式形式,左边是返回TRUE 或FALSE 的表达式或函数 右边是若左边表达式为TRUE,则重新编码的值,也可以是表达式或函数 每个分支条件将从上到下的计算,并接受第一个TRUE 条件 最后一个分支直接用TRUE 表示若其他条件都不为TRUE 时怎么做更强大的重新编码函数 ——sjmisc 包rec() sjmisc 包实现...
8)使用case_when函数和if_else函数,做条件处理 实际上,上述函数,都是dplyr包里面提供的函数集,这些函数对于我们整理NHANES数据表,非常有用。 本课,希望达成这些目标: 1)温习dplyr包的常用函数和使用方法 2)以一篇NHANES论文举例说明,如何结合nhanesA和tidyverse包完成NHANES数据表的获取和整理工作 ...
case_when另一种用法: brca_clin %>% mutate(stage = case_when(stage %in% c("Stage IIB","Stage IIA") ~ "Stage_2", stage %in% c("Stage IA","Stage I") ~ "Stage_1", stage %in% c("Stage IIIA","Stage IIIC") ~ "Stage_3", )) %>% count(stage)## # A tibble: 3 × 2#...
筛选上下调基因并加上对应标签,使用mutate和case_when函数: > data %>% mutate(class=case_when( + FDR<0.05&logFC>0~"up", + FDR<0.05&logFC<0~"down" + )) # A tibble: 4 x 5 gene FDR P.Value logFC class <chr> <dbl> <dbl> <dbl> <chr> ...
!col_name := mass * height) # 操作列名为变量 col_names <- c("height", "mass") starwars %>% mutate(across(all_of(col_names), ~ .x * 2)) # 根据条件增加列 starwars %>% mutate( gender = case_when( sex == "male" ~ "Male", sex == "female" ~ "Female", TRUE ~ "Unknown...
你们中的一些人可能还想缩写性别值。这可以使用case_when功能: 一次转换多个列 你们中的一些人可能注意到,将 Survived 和 Embarked 列的数据类型从字符转换为因子也不错。 我们可以通过应用变异+穿过组合。这穿过function 指定要转换的列和要应用的函数。