如何根据年份将变量分配给数据框？ Dplyr：case_when 问题答案

【问题标题】：How to assign variable to data frame based on year? Dplyr: case_when issues如何根据年份将变量分配给数据框？ Dplyr：case_when 问题
【发布时间】：2021-09-21 09:02:07
【问题描述】：

我的问题与我自己无法根据年份为我的数据框分配折扣率（变量）有关。

我有一个包含客户详细信息的数据框，然后是按年份划分的每种类型（M、R 和 O）的折扣率，其中 1=2019 和 2=2020 等。示例数据如下：

df1 <- data.frame(ID = c(1, 2, 3, 4, 5),
                  customer_type = c('M', 'R', 'O', 'M', 'M'),
                  year = c(1, 1, 2, 2, 3))

现在我有 2019 年到 2023 年 5 年的折扣率，例如：

discount_rates <- data.frame(year = c(2019, 2020, 2021, 2022, 2023),
                  metro_M = c(0.1,0.2,0.3,0.3,0.1),
                  regional_R = c(0.01, 0.1, 0.02, 0.11, 0.09),
                  overseas_O = c(0.2, 0.3, 0.4, 0.5, 0.5))

我想要做的是将相关年份的折扣率添加到 df1。

示例输出如下： |编号 |customer_type|year|discount_rate| |----|-------------|----|-------------| | 1 | M |1 |0.1 | | 2 | R |1 |0.01 | | 3 | O |2 |0.3 | | 4 | M |2 |0.2 | | 5 | M |3 |0.3 |

我尝试过的是使用 case_when 语句：

df1$discount_rate <-
  case_when(
    df1$customer_type == "M" ~ metro_M[[df1$year]],
    df1$customer_type == "O" ~ overseas_O[[df1$year]],
    df1$customer_type == "R" ~ regional_R[[df1$year]],
    TRUE ~ 0
  )

但是这样我得到错误：“尝试在vectorIndex中选择多个元素”

我对此感到困惑，如果其他人知道更好的方法，我将不胜感激？

【问题讨论】：

标签： r dataframe dplyr variable-assignment

【解决方案1】：

您可以将discount_rates df 转换为长格式并使用left_join 分配折扣率，如下所示：

library(dplyr)
library(tidyr)

discount_rates_long <- discount_rates %>% 
  pivot_longer(-year, values_to = "discount_rate") %>% 
  separate(name, into = c("label", "customer_type"))

df1 %>% 
  mutate(year = 2018 + year) %>% 
  left_join(discount_rates_long, by = c("year", "customer_type"))
#>   ID customer_type year    label discount_rate
#> 1  1             M 2019    metro          0.10
#> 2  2             R 2019 regional          0.01
#> 3  3             O 2020 overseas          0.30
#> 4  4             M 2020    metro          0.20
#> 5  5             M 2021    metro          0.30

【讨论】：

非常感谢 Stefan，我最初对使用左连接犹豫不决，因为我认为这可能需要一段时间（500k 行），但这出奇的快！

【解决方案2】：

library(tidyverse)

df1 <- data.frame(ID = c(1, 2, 3, 4, 5),
                  customer_type = c('M', 'R', 'O', 'M', 'M'),
                  year = c(1, 1, 2, 2, 3))

discount_rates <- data.frame(year = c(2019, 2020, 2021, 2022, 2023),
                             metro_M = c(0.1,0.2,0.3,0.3,0.1),
                             regional_R = c(0.01, 0.1, 0.02, 0.11, 0.09),
                             overseas_O = c(0.2, 0.3, 0.4, 0.5, 0.5))


df1 <- df1 %>% mutate(year=2018+year)

df2 <- left_join(df1,discount_rates,by="year")

df2 <- df2 %>%
  mutate(discount_rate = case_when(
    customer_type == "M" ~ metro_M,
    customer_type == "O" ~ overseas_O,
    customer_type == "R" ~ regional_R,
    TRUE ~ 0))

结果：

  ID customer_type year metro_M regional_R overseas_O discount_rate
1  1             M 2019     0.1       0.01        0.2          0.10
2  2             R 2019     0.1       0.01        0.2          0.01
3  3             O 2020     0.2       0.10        0.3          0.30
4  4             M 2020     0.2       0.10        0.3          0.20
5  5             M 2021     0.3       0.02        0.4          0.30

【讨论】：