r - 检查具有不同功能的数据框(dplyr)

Question

我正在尝试编写一些采用数据框的函数，并检查某些变量是否满足某些条件。对于每次检查，我想创建一个新变量“check_”来给出检查结果。不幸的是，我仍然很难做到正确。有人可以帮助我吗？

# Some sample data
dat <- data.frame(Q1_1 = c(1, 1, 2, 5, 2, 1),
                  Q1_2 = c(1, 2, 3, 5, 1, 3),
                  Q1_3 = c(4, 3, 3, 5, 1, 3),
                  Q1_4 = c(4, 2, 2, 5, 1, 2),
                  Q1_5 = c(2, 2, 1, 5, 5, 4),
                  Q2_1 = c(1, 2, 1, 2, 1, 2),
                  Q2_2 = c(2, 1, 1, 1, 2, 1),
                  Q2_3 = c(1, 1, 1, 2, 2, 1),
                  age = c(22,36,20,27,13, 9))


# Some checker-functions

check_age <- function(.df, agevar = "age"){
  #' Function should check if the age value is within a certain range
  #' and create a new variable "check_age" giving the result of the check

  .df %>% mutate(check_age = ifelse(age > 100, FALSE, TRUE),
                 check_age = ifelse(age < 4, FALSE, TRUE))
  ???
}

check_sameAnswers <- function(.df, varname = "Q1_"){
  #' Function should check whether all sub Of a question (e.g. Q1_1 to Q1_5) have the
  #' same values and create a new variable "check_sameAnswers" giving the result of the check.
  #' It should be TRUE if Q1_1, Q1_2, ... have the value 5 for example, otherwise FALSE
  
  ???
}


# Apply checker functions to dataframe in "dplyr-style"
dat <- dat %>% 
          check_age(agevar = "age") %>%
          check_sameAnswers(varname = "Q1_")

Answer 1

正如@Bloxx 已经提到的，您的ifelse 是第一个问题。这些条件是按顺序评估的(如果您使用 dplyr::case_when 也会发生同样的情况)。这不是函数的问题，而是你声明条件的方式，它应该是一个条件，而不是两个。但是您在第一个函数中还有第二个问题 - 您直接从数据框调用 age 变量(通过数据屏蔽)，而不是与存储在参数 agevar< 中的列名对应的列。这就是为什么我使用 deparse(substitute()) 来获取与 agevar 中的列名对应的列的原因。

我更改了 age 列中的第一个值，以便您可以看到该函数的结果。

在您的第二个函数中，您想要检查不同的项目是否具有跨列的相同值。在 tidyverse 中，您通常为此使用 rowwise。 contains 用于在指定定义分组的列前缀时为您提供更大的灵 active 。

library(tidyverse)

# Some sample data
dat <- data.frame(Q1_1 = c(1, 1, 2, 5, 2, 1),
                  Q1_2 = c(1, 2, 3, 5, 1, 3),
                  Q1_3 = c(4, 3, 3, 5, 1, 3),
                  Q1_4 = c(4, 2, 2, 5, 1, 2),
                  Q1_5 = c(2, 2, 1, 5, 5, 4),
                  Q2_1 = c(1, 2, 1, 2, 1, 2),
                  Q2_2 = c(2, 1, 1, 1, 2, 1),
                  Q2_3 = c(1, 1, 1, 2, 2, 1),
                  age = c(1,101,20,27,13, 9))   # here changed first 2 values


# Some checker-functions

check_age <- function(.df, agevar = "age"){
  #' Function should check if the age value is within a certain range
  #' and create a new variable "check_age" giving the result of the check
  
  age <- deparse(substitute(agevar))
  
  .df %>% mutate(check_age = ifelse(age > 100 | age < 4, FALSE, TRUE))
  
}

check_sameAnswers <- function(.df, varname = "Q1_"){
  #' Function should check whether all sub Of a question (e.g. Q1_1 to Q1_5) have the
  #' same values and create a new variable "check_sameAnswers" giving the result of the check.
  #' It should be TRUE if Q1_1, Q1_2, ... have the value 5 for example, otherwise FALSE
  
  .df %>% 
    rowwise() %>% 
    mutate(check_sameAnswers = length(unique(c_across(contains(varname)))) == 1)
}


# Apply checker functions to dataframe in "dplyr-style"
dat %>% 
  check_age(agevar = "age") %>%
  check_sameAnswers(varname = "Q1_") %>%
  dplyr::select(-contains("Q2_"))                   # just for uncluttered printing
#> # A tibble: 6 x 8
#> # Rowwise: 
#>    Q1_1  Q1_2  Q1_3  Q1_4  Q1_5   age check_age check_sameAnswers
#>   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <lgl>     <lgl>            
#> 1     1     1     4     4     2     1 FALSE     FALSE            
#> 2     1     2     3     2     2   101 FALSE     FALSE            
#> 3     2     3     3     2     1    20 TRUE      FALSE            
#> 4     5     5     5     5     5    27 TRUE      TRUE             
#> 5     2     1     1     1     5    13 TRUE      FALSE            
#> 6     1     3     3     2     4     9 TRUE      FALSE

^{由 reprex package 创建于 2022-02-16 (v2.0.1)}

更新:通过使用 := 动态分配给动态命名的列 "check_{varname}"，可以在 mutate 中进行动态命名。在我们的例子中，您可以扩展 check_sameAnswer 的逻辑，这样每次您将它用于 Q1_、Q2_、... 前缀时，它都会返回一个包含该名称的列，并检查这些特定列。

check_sameAnsDyn <- function(.df, varname = "Q1_"){

  .df %>% 
    rowwise() %>% 
    mutate("check_sameAnsDyn_{varname}" := length(unique(c_across(contains(varname)))) == 1)
}


dat %>% 
  check_sameAnsDyn(varname = "Q1_") %>%
  check_sameAnsDyn(varname = "Q2_") %>%
  dplyr::select(-age)                   # just for uncluttered printing

# A tibble: 6 x 10
# Rowwise: 
   Q1_1  Q1_2  Q1_3  Q1_4  Q1_5  Q2_1  Q2_2  Q2_3 check_sameAnsDyn_Q1_ check_sameAnsDyn_Q2_
  <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <lgl>                <lgl>               
1     1     1     4     4     2     1     2     1 FALSE                FALSE               
2     1     2     3     2     2     2     1     1 FALSE                FALSE               
3     2     3     3     2     1     1     1     1 FALSE                TRUE                
4     5     5     5     5     5     2     1     2 TRUE                 FALSE               
5     2     1     1     1     5     1     2     2 FALSE                FALSE               
6     1     3     3     2     4     2     1     1 FALSE                FALSE