使用管道中的 ifelse 条件修改某些值

Question

假设我有如下数据框：

df <- structure(list( 
 name = c("A", "A", "A", "A", "B", "B", "B", "B"),
 val = c(100, 200, 300, 400, 0.15, 0.22, 0.31, 0.48)),
 .typeOf = c("factor", "numeric"),
 row.names = c(NA, -8L),
 class = "data.frame")

我想在条形图上使用线图来可视化数据。但是，您可能会看到数据具有不同的比例，因此我无法正常可视化它们。我需要分别从数据框中引入第二个 Y 轴并重新调整对象“B”的值。为此，我使用以下代码：

df %>%
{
 assign("scaleFactor", ifelse(max(.[.$name == "A",2], na.rm = T) > max(.[.$name == "B",2], na.rm = T),
                              max(.[.$name == "A",2], na.rm = T) / max(.[.$name == "B",2], na.rm = T),
                              max(.[.$name == "B",2], na.rm = T) / max(.[.$name == "A",2], na.rm = T)), 
         envir = baseenv())
 . } %>%
 mutate(val = ifelse(max(.[.$name == "A 1",2], na.rm = T) > max(.[.$name == "B",4], na.rm = T),
                     .[.$name == "B",2] <- .[.$name == "B",2] * scaleFactor,
                     .[.$name == "A",2] <- .[.$name == "B",2] * scaleFactor))

首先我需要计算比例因子。它工作正常。然后我需要按比例因子对对象“B”的多个值。在这里我有一个问题。它返回只有一个重复值的第二列。似乎在这种情况下 ifelse 条件不能用作矢量化函数。

但是，如果我在管道/变异之外使用 ifelse 条件，它会起作用。

ifelse(max(df[df$name == "A",2], na.rm = T) > max(df[df$name == "B",2], na.rm = T),
       df[df$name == "B",2] <- df[df$name == "B",2] * scaleFactor,
       df[df$name == "A",2] <- df[df$name == "A",2] * scaleFactor)

任何想法如何使用管道中的 ifelse 条件修改/乘以某些值？

Answer 1

Bas 为您提供了解决方案，但您不必事先对其进行扩展！

ggplot2 允许您引入从第一个轴线性缩放的辅助轴。一个很好的例子可以找到here

该节目的明星是这段代码

scale_y_continuous(
    name = expression("Temperature ("~degree~"C)"), 
    sec.axis = sec_axis(~ . * 400 / 30 , name = "Precipitation (mm)"), 
    limits = c(0, 30))

在这里您可以看到手动添加的比例，例如400/30。根据 Bas，在您的情况下，这将是 833。这是我链接的示例的结果：

您无疑已经考虑过的警告，plots with two Y-axises are often misleading，应谨慎使用。

只是为了推荐一个替代方案，facet_wrap 允许您按因子或变量 (Docs) 进行分面，或者您可以使用来自ggpubr 的ggarrange 来制作两个单独的图，然后并排显示.

Answer 2

为 mutate() 语句中的列分配值（就像您对 .[.$name == "B",2] <- 所做的那样）不是您应该使用 mutate 的方式，而且会让人头疼。

下面的代码给出了您期望的输出。我用max(max_val) / max_val 替换了ifelse，它立即给出了你想要的scaleFactor。

library(dplyr)

df %>% 
  group_by(name) %>% 
  mutate(max_val = max(val, na.rm = T)) %>% 
  ungroup() %>% 
  mutate(scaleFactor = max(max_val) / max_val,
         val_scaled = val * scaleFactor)

这给了

# A tibble: 8 x 5
  name     val max_val scaleFactor val_scaled
  <chr>  <dbl>   <dbl>       <dbl>      <dbl>
1 A     100     400             1        100 
2 A     200     400             1        200 
3 A     300     400             1        300 
4 A     400     400             1        400 
5 B       0.15    0.48        833.       125 
6 B       0.22    0.48        833.       183.
7 B       0.31    0.48        833.       258.
8 B       0.48    0.48        833.       400 

我将多余的列保留在那里，以便您可以看到发生了什么。您可以通过select()ing 只删除您想要的列。