使用 Dplyr 的范围过滤器的开发版本进行条件过滤答案

【问题标题】：Conditional Filtering using Devel Version of Dplyr's Scoped Filter使用 Dplyr 的范围过滤器的开发版本进行条件过滤
【发布时间】：2017-05-04 03:43:46
【问题描述】：

library(dplyr) devel version, soon-to-be released 0.6
library(tidyr)

下面是一个简单的数据集。 Q1Sat-Q3Sat 变量是满意度，Q1Used-Q3Used 变量是指调查对象是否使用了他们正在评分的项目。这些问题是在调查中一起提出的。实际上，真实数据集包含至少 50 个 Sat 变量和 Used 变量。

Q1Sat<-c("Neutral","Neutral","VSat","Sat","Neutral","Sat","VDis","Sat","Sat","VSat")
Q2Sat<-c("Neutral","VSat","Dis","Dis","VDis","Sat","Sat","VSat","Neutral","Dis")
Q3Sat<-c("Sat","Sat","Diss","Neutral","VSat","VDis","Sat","Sat","Sat","Neutral")
Q3Used<-c("Yes","No","Yes","Yes","Yes","Yes","Yes","Yes","Yes","No")
Q2Used<-c("Yes","Yes","Yes","Yes","No","No","Yes","Yes","Yes","Yes")
Q1Used<-c("Yes","Yes","Yes","No","No","Yes","Yes","Yes","No","Yes")
House<-c("Yes","No","Unsure","Yes","Yes","No","Unsure","Unsure","Yes","Yes")

Test<-data_frame(Q1Sat,Q2Sat,Q3Sat,Q1Used,Q2Used,Q3Used,House)

我想使用下面的代码将数据重组为带有百分比的表格。但是，我需要过滤 q1Used - q3Used 变量只包含“是”，而 House 变量只包含“是”。如前所述，q1Sat 与 q1Used 相关联，因此仅当 q1Used 为“Yes”且 House 变量为“Yes”时才应包含 q1Sat。我需要为 q2Sat 和 q3Sat 执行此操作。

但是，我不知道如何实现这一点。我尝试使用 dplyr 的开发版本中的范围过滤器，但我不确定如何将它与多个变量一起使用 - q1Used:q3Used 以及 House

那么如何将 House != "Yes" 的过滤器添加到下面代码中的作用域过滤器？

Test%>%
filter_at(vars(Q1Used:Q35Used),all_vars(. != 1)%>%
select(Q1Sat:Q3Sat)%>%
gather()%>%
count(key,value)%>%
mutate(perc=round(n/sum(n),2))%>%
select(-n)%>%
spread(value,perc)

【问题讨论】：

如果您只选择了“Sat”变量，您如何获得filter 的“已使用”变量？另外，根据您的条件（q1Used - q3Used variables to only include "Yes", and the House variable to only include "No"），过滤后将有 0 行，因为没有行满足条件
我想我应该在选择中包含“使用”变量然后......这也是问题的一部分，我只是希望找到一种更简单的方法来使用管道编写上面的代码和tidyverse。至于没有符合条件的行，我将“House”变量从no更改为yes。真的没关系，更多的是学习如何对不同类型的变量一起使用作用域过滤器...
我编辑了代码...现在应该更好了吗？

标签： r dplyr tidyverse

【解决方案1】：

没有开发版本的解决方案。一般的想法是我们将不需要的值重新编码为 NA 而不是过滤。

sat = Test %>% select(Q1Sat:Q3Sat, House) %>%
      gather(key_sat, Sat, -House)
used = Test %>% select(Q1Used:Q3Used) %>%
    gather(key_used, Used)

cbind(used, sat) %>% 
    group_by(key_sat) %>% 
    mutate(
        value = ((Used != "No") & (House == "Yes")) * 1,
        base = sum(value)
    ) %>% 
    group_by(key_sat, Sat) %>% 
    summarise(perc = sum(value)/sum(base[1])) %>% 
    spread(Sat,perc)

【讨论】：