r - 在 if_else() 内部使用 runif() 意味着什么？

Question

你能帮我解释一下这段代码吗？我对 if_else 中的三个参数特别困惑:runif (n()) < 0.1、NA_character_、as.character(cut)。

diamonds %>%
  mutate(cut = if_else(runif(n()) < 0.1, NA_character_, as.character(cut))) %>%
  ggplot() +
  geom_bar(mapping = aes(x = cut)).

来源:R 数据科学

Answer 1

我假设您了解 mutate 调用内容之外的所有内容。正如其他人在评论中建议的那样，您可以使用 ?function 语法找到这些函数的文档。

dplyr::mutate() 此处用于向钻石数据帧添加新列“cut”，该列将替换旧的“cut”列:

cut = ifelse(runif(n)) < 0.1, NA_character_, as.character(cut))

ifelse()

ifelse 是需要三个参数的函数:第一个是条件(“test”)，第二个是条件为 true 时返回的值(“yes”)，第三个是是条件为假(“否”)时返回的值。与标准“if 语句”相比，它的主要优点是它可以矢量化。例如:

ifelse(test = c(1,2,3) < 3, yes = "less than three", no = "more than two")
# [1] "less than three" "less than three" "more than two"

runif()

stats::runif() 是一个生成介于默认值 0 和 1 之间的随机数的函数。“runif”是“random Uniform (number)”的缩写。它的第一个参数“n”是要生成的数字的数量。例如:

## set random seed for reproducible results
set.seed(1)
## generate 5 random numbers
runif(5)
# [1] 0.2655087 0.3721239 0.5728534 0.9082078 0.2016819

n()

dplyr::n() 是一个只能在调用 mutate()、summarise() 和 过滤器()。它返回当前组内的观察数。假设您的数据未分组，这将相当于 nrow(diamonds)

NA_character_

这并不明显，但是 R 中存在不同类型的 NA 值。NA 值通常会被强制转换为正确的类型，但在某些操作中(大概包括这个)，有必要指定所需的 NA 类型。 NA_character_ 仅表示缺少字符值。 R 中其他类似的保留名称包括 NA_integer_ 和 NA_real_。

as.character(剪切)

钻石数据框中的“切工”数据是具有五个级别的有序因子。有序因子的值实际上是整数，每个整数都属于存储在因子的 levels 属性中的字符串。 as.character 是一个通用函数，这意味着它根据输入执行的操作略有不同。当 as.character 的输入是一个因子时，as.character 以字符向量的形式返回因子的级别。这听起来很复杂，但实际上非常直观:

my.factor <- factor(c("level 1", "level 2", "level 3", "level 2"))

## implicitly calling `print.factor`
my.factor
# [1] level 1 level 2 level 3 level 2
# Levels: level 1 level 2 level 3

## peeking under the hood
unclass(my.factor)
# [1] 1 2 3 2
# attr(,"levels")
# [1] "level 1" "level 2" "level 3"

## `as.character` returns the levels pertaining to each element
as.character(my.factor)
# [1] "level 1" "level 2" "level 3" "level 2"

把它们放在一起

对 ifelse 的调用实现了以下目的:

Generate a vector of random numbers between zero and one whose length is equivalent to the number of rows in the 'diamonds' dataframe. For each of these random numbers, do the following: If the random number is less than 0.1, return a missing character value (NA_character_). Otherwise, return the level-name of the corresponding element of diamonds$cut.

对 mutate 的调用只是用这个新的字符向量覆盖之前的 Diamonds$cut (在计算中使用)。