Я уверен, что раньше об этом спрашивали и отвечали несколько раз, но я не нашел хорошего дубликата.
Вложенный ifelse() не всегда является лучшим решением.Трудно кодировать, читать и поддерживать с большим количеством скобок.Кроме того, ifelse() может неожиданно изменить тип результата, например, класс Date.
Итак, я хочу опубликовать некоторые альтернативы
Подмножество с использованием match()
В этом примере используется тот факт, что первая буква «А» соответствует первому столбцу даты date1 и т. Д. Таким образом, в общем случае это может быть неприменимо:
indices <- matrix(c(seq.int(nrow(tabel)), match(tabel$group, LETTERS[1:4])), ncol = 2)
newvar <- tabel[, -1][indices]
newvar
[1] "2011-01-01" "2011-01-02" "2011-01-03" "2012-02-04" "2012-02-05" "2012-02-06" "2013-03-07" "2013-03-08" "2013-03-09"
[10] "2014-04-10" "2014-04-11" "2014-04-12"
indices (номер строки, номер столбца), которые используются для поднабора:
[,1] [,2]
[1,] 1 1
[2,] 2 1
[3,] 3 1
[4,] 4 2
[5,] 5 2
[6,] 6 2
[7,] 7 3
[8,] 8 3
[9,] 9 3
[10,] 10 4
[11,] 11 4
[12,] 12 4
tabel[, -1] пропускает первый столбец (group).
case_when()
Это версия нескольких операторов if_else() из пакета dplyr.
newvar <- dplyr::case_when(
tabel$group == "A" ~ tabel$date1,
tabel$group == "B" ~ tabel$date2,
tabel$group == "C" ~ tabel$date3,
tabel$group == "D" ~ tabel$date4)
или
library(dplyr)
newvar <- tabel %>%
transmute(value = case_when(group == "A" ~ date1,
group == "B" ~ date2,
group == "C" ~ date3,
group == "D" ~ date4)) %>%
pull(value)
Соединение с справочной таблицей с использованием data.table
Справочные таблицы обрабатывают отношение между group и именем столбца как данные и, следовательно, их легко создавать и поддерживать.С другой стороны, tabel необходимо преобразовать из широкого в длинный формат, прежде чем его можно объединить с lookup:
library(data.table)
lookup <- data.table(group = LETTERS[1:4], variable = paste0("date", 1:4))
newvar <- melt(setDT(tabel), id.vars = "group")[lookup, on = .(group, variable)]$value
lookup
group variable
1: A date1
2: B date2
3: C date3
4: D date4
Измененный длинный формат
melt(setDT(tabel), id.vars = "group")
group variable value
1: A date1 2011-01-01
2: A date1 2011-01-02
3: A date1 2011-01-03
4: B date1 2011-01-04
5: B date1 2011-01-05
6: B date1 2011-01-06
7: C date1 2011-01-07
8: C date1 2011-01-08
9: C date1 2011-01-09
10: D date1 2011-01-10
11: D date1 2011-01-11
12: D date1 2011-01-12
13: A date2 2012-02-01
14: A date2 2012-02-02
15: A date2 2012-02-03
16: B date2 2012-02-04
17: B date2 2012-02-05
18: B date2 2012-02-06
19: C date2 2012-02-07
20: C date2 2012-02-08
21: C date2 2012-02-09
22: D date2 2012-02-10
23: D date2 2012-02-11
24: D date2 2012-02-12
25: A date3 2013-03-01
26: A date3 2013-03-02
27: A date3 2013-03-03
28: B date3 2013-03-04
29: B date3 2013-03-05
30: B date3 2013-03-06
31: C date3 2013-03-07
32: C date3 2013-03-08
33: C date3 2013-03-09
34: D date3 2013-03-10
35: D date3 2013-03-11
36: D date3 2013-03-12
37: A date4 2014-04-01
38: A date4 2014-04-02
39: A date4 2014-04-03
40: B date4 2014-04-04
41: B date4 2014-04-05
42: B date4 2014-04-06
43: C date4 2014-04-07
44: C date4 2014-04-08
45: C date4 2014-04-09
46: D date4 2014-04-10
47: D date4 2014-04-11
48: D date4 2014-04-12
group variable value
Соединение с справочной таблицей с использованием dplyr и tidyr
library(dplyr)
library(tidyr)
lookup <- tibble(group = LETTERS[1:4], key = paste0("date", 1:4))
newvar <- tabel %>%
gather(key, value, -group) %>%
inner_join(lookup) %>%
pull(value)
Это работает, как указано выше: создать видвверх таблицы, изменить форму с широкого на длинный формат и присоединиться.pull() возвращает простой вектор результата.
Воспроизводимые данные
tabel <- data.frame(group = rep(LETTERS[1:4], each = 3L),
date1 = as.Date("2011-01-01") + 0:11,
date2 = as.Date("2012-02-01") + 0:11,
date3 = as.Date("2013-03-01") + 0:11,
date4 = as.Date("2014-04-01") + 0:11)
tabel
group date1 date2 date3 date4
1: A 2011-01-01 2012-02-01 2013-03-01 2014-04-01
2: A 2011-01-02 2012-02-02 2013-03-02 2014-04-02
3: A 2011-01-03 2012-02-03 2013-03-03 2014-04-03
4: B 2011-01-04 2012-02-04 2013-03-04 2014-04-04
5: B 2011-01-05 2012-02-05 2013-03-05 2014-04-05
6: B 2011-01-06 2012-02-06 2013-03-06 2014-04-06
7: C 2011-01-07 2012-02-07 2013-03-07 2014-04-07
8: C 2011-01-08 2012-02-08 2013-03-08 2014-04-08
9: C 2011-01-09 2012-02-09 2013-03-09 2014-04-09
10: D 2011-01-10 2012-02-10 2013-03-10 2014-04-10
11: D 2011-01-11 2012-02-11 2013-03-11 2014-04-11
12: D 2011-01-12 2012-02-12 2013-03-12 2014-04-12