使用 Mutate 对特定列进行排名

Question

我是dplyr 的新手。我有一个data.frame，每个商店名称和来源（由 2018 年的结果组成）组成了观察结果。变量是总收入、数量、客户体验分数等。

我想对data.frame 中的每个类别进行排名并创建新的观察结果。所有变量将按降序排列，但客户体验和另外一列将按升序排列。我想称之为“等级”的来源。

store <- c("NYC", "Chicago", "Boston")
source <- c("2018", "2018", "2018")
revenue <- c(10000, 50000, 2000)
quantity <- c(100, 50, 20)
satisfaction <- c(3, 2, 5)
table <- cbind(store, source, revenue, quantity, satisfaction)

我能够使用 mutate 获得所需的内容，但我必须手动命名每个新列。我确信有一种更有效的方法来对这些值进行排名！

这是我最初做的：

table <- table %>%
mutate(revenue_rank = rank(-revenue), quantity_rank = rank(-quantity), satisfaction_rank = rank(satisfaction))

Answer 1

一般来说，如果您必须在数据框中重复执行某些操作（例如计算排名），您可能希望重塑为长数据。另请注意，您从cbind 得到的是一个矩阵，而不是数据框——可能不是您想要的，因为这意味着数字变量实际上是作为字符出现的。代替cbind，使用data.frame 或data_frame（用于小标题）。

我在这里所做的是收集到一个长数据框架中，按度量（收入、数量或满意度）分组，然后根据值给出排名，记住你想要不同的满意度顺序和其他度量.

library(tidyverse)

store <- c("NYC", "Chicago", "Boston")
source <- c("2018", "2018", "2018")
revenue <- c(10000, 50000, 2000)
quantity <- c(100, 50, 20)
satisfaction <- c(3, 2, 5)

df <- data_frame(store, source, revenue, quantity, satisfaction)

df %>%
    gather(key = measure, value = value, revenue:satisfaction) %>%
    group_by(measure) %>%
    mutate(rank = ifelse(measure == "satisfaction", rank(value), rank(-value))) %>%
    ungroup() %>%
    select(-value) %>%
    mutate(measure = paste(measure, "rank", sep = "_")) %>%
    spread(key = measure, value = rank)
#> # A tibble: 3 x 5
#>   store   source quantity_rank revenue_rank satisfaction_rank
#>   <chr>   <chr>          <dbl>        <dbl>             <dbl>
#> 1 Boston  2018               3            3                 3
#> 2 Chicago 2018               2            1                 1
#> 3 NYC     2018               1            2                 2

由reprex package (v0.2.0) 于 2018 年 5 月 4 日创建。