根据其他列的 if-else 评估在 data.frame 中创建新列

Question

我正在尝试向我的数据框中添加一个新列 (x_new)，该列取决于“定义”列中给出的值。定义列 x_definition 包含以下记录类型之一： - 一个常数 - 描述所需操作的字符串 - 不适用

我希望生成的列 x_new 如下所示： - 如果 x_definition 是 NA，那么 x_new 仍然是 NA。 - 如果x_definition 是一个字符串，那么它需要一定的计算。例如，如果它是'equal_to_z'，那么结果应该是z，或者如果它的'third_of_z'，那么x_new 应该是z/3。除了这些定义之外，还有更多的定义表明需要更复杂的 z 函数。 - 如果x_definition 是任何数字，那么x_new 应该就是那个数字。

我编写了以下代码来处理这些情况，但它是一组繁琐的嵌套ifelse 语句。我正在寻找一种方法，

data <- data %>% mutate(x_new = ifelse(
  is.na(x_definition), NA, ifelse(
    x_definition=='equal_to_z', z, ifelse(
      x_definition=='third_of_z', z/3, NA
      )
    )
  )
)

我也考虑过使用switch，但遇到了我不知道如何说“如果是数字，请保留为数字”的问题

a <- data %>% mutate(x_new = switch(x_definition,
  'equal_to_z' = z,
  'third_of_z' = z / 3,
  <number???> = x_definition
  )
)

解决这个问题的适当流程是什么？

Answer 1

我认为case_when 正是您想要的。

data = data %>%
    mutate(x_new = case_when(is.na(x_definition) ~ NA,
                             x_definition == 'equal_to_z' ~ z,
                             x_definition == 'third_of_z' ~ z / 3,
                             !is.na(as.numeric(x_definition)) ~ as.numeric(x_definition)))

Answer 2

是的，这是一个非常普遍的需求，它有一个很好的解决方案。

你的逻辑是：

如果 x_definition 为 NA，则 x_new 仍为 NA。 - 如果 x_definition 是一个字符串，那么它需要一定的计算。例如，如果它是“equal_to_z”而不是结果应该是 z，或者如果它是“third_of_z”，那么 x_new 应该是 z/3。除了这些定义之外，还有更多的定义表明需要更复杂的 z 函数。 - 如果 x_definition 是任何数字，那么 x_new 应该就是那个数字。

我可以改写成

np.nan if row['x_definition'] is np.nan 
else row['z'] if row['x_definition'] == 'equal_to_z' 
else row['z']/3 if row['x_definition'] == 'third_of_z' 
else row['x_definition'] if isinstance('row['x_definition'], int) 
else np.nan

那你就可以了

df['x_new'] = df.apply(lambda row: np.nan if row['x_definition'] is np.nan 
                    else row['z'] if row['x_definition'] == 'equal_to_z' 
                    else row['z']/3 if row['x_definition'] == 'third_of_z' 
                    else row['x_definition'] if isinstance('row['x_definition'], int) 
                    else np.nan, axis=1)

或者如果你想更优雅

def logic_for_x_new(row):
 ...
 return x_new

df['x_new'] = df.apply(logic_for_x_new, axis=1)

请注意在 Pandas 中检查 nan 的方式，我使用当 x 为 NaN 时 x==x 为 false 的技巧（请注意这一点）