Escribir una función personalizada para convertir clases de variables en un marco de datos basado en otra tabla
Estoy tratando de escribir una función que pueda incluir:
- marco de datos (
df_1
) cuyas clases de columnas deben convertirse - otro marco de datos (
df_2
) que tiene una fila para cada variable dedf_1
- una columna
df_2
que especifica la clase a ladf_1
que se debe convertir cada variable
Ejemplo
1 - Marco de datos ( df_1
) con mis datos (y clases de variables para convertir)
library(tibble)
library(dplyr)
set.seed(2021)
df_1 <-
tibble(name = c("john", "jack", "mary", "matt", "elizabeth", "richard", "carlos", "george", "ferdinand", "william"),
height = sample(155:200, size = 10),
weight = sample(50:100, size = 10),
age = sample(20:100, size = 10),
gender = sample(c("male", "female"), size = 10, replace = TRUE),
preferred_pet = sample(c("dog", "cat", "frog", "rabbit"), size= 10, replace = TRUE)) %>%
mutate(across(everything(), as.character))
## # A tibble: 10 x 6
## name height weight age gender preferred_pet
## <chr> <chr> <chr> <chr> <chr> <chr>
## 1 john 161 100 38 female frog
## 2 jack 192 67 87 female dog
## 3 mary 193 52 24 male rabbit
## 4 matt 166 95 92 male dog
## 5 elizabeth 160 89 82 female cat
## 6 richard 199 75 57 male dog
## 7 carlos 195 85 37 female rabbit
## 8 george 159 86 62 male rabbit
## 9 ferdinand 177 71 78 female cat
## 10 william 197 80 89 female rabbit
2 - Marco de datos ( df_2
) con clases para convertir df_1
columnas a
set.seed(2021)
df_2 <-
tibble(var_name = c("name", "height", "weight", "gender", "preferred_pet", "record_creation"),
var_class = c("character", "numeric", "numeric", "factor", "factor", "datetime")) %>%
slice(sample(1:n()))
## # A tibble: 6 x 2
## var_name var_class
## <chr> <chr>
## 1 weight numeric
## 2 record_creation datetime
## 3 height numeric
## 4 name character
## 5 gender factor
## 6 preferred_pet factor
3 - Construyendo una función para conversión de clases
He visto la solución de @ akrun aquí , que parece bastante cercana a lo que estoy tratando de lograr.
library(purrr)
library(stringr)
my_df <- iris
my_types <- c("factor", "character", "double", "logical", "character")
my_df[] <- map2(my_df, str_c("as.", my_types), ~ get(.y)(.x))
Sin embargo, esta solución no aborda situaciones como la mía, donde los nombres de las variables de df_1
no aparecen necesariamente df_2
y, de manera similar, df_2$var_name
incluye variables que no necesariamente aparecen en df_1
.
Estaré encantado de tener alguna idea para construir una función para convertir df_1
las clases vars de acuerdo con la información que se encuentra en df_2
. Encontrar una solución usando tidyverse
funciones sería ideal. ¡Gracias!
Respuestas
Aquí hay un enfoque que aprovecha across
y cur_column
:
library(dplyr) #version >= 1.0.0
df_1 %>%
mutate(across(any_of(df_2$var_name), ~get(paste0("as.",df_2[df_2$var_name == cur_column(),"var_class"]))(.x)))
# A tibble: 10 x 6
name height weight age gender preferred_pet
<chr> <dbl> <dbl> <chr> <fct> <fct>
1 john 161 100 38 female frog
2 jack 192 67 87 female dog
3 mary 193 52 24 male rabbit
4 matt 166 95 92 male dog
5 elizabeth 160 89 82 female cat
6 richard 199 75 57 male dog
7 carlos 195 85 37 female rabbit
8 george 159 86 62 male rabbit
9 ferdinand 177 71 78 female cat
10 william 197 80 89 female rabbit
El any_of
ayudante de selección asegura que solo intente mutar las columnas que están presentes en df_2
.
El segundo argumento es la función que se aplica a las columnas que están presentes. Puede utilizar cur_column()
para tener acceso al nombre de la columna que se está mutando. A partir de ahí, buscamos el nombre de esa columna df_2
y devolvemos el var_class
que desee. Luego use get()
de la base R para devolver la función apropiada y aplíquela a la columna con (.x)
.
Si quisiera definir una función y pasar los nombres de las columnas sin comillas como lo haría con otras funciones tidyverse, podría usar rlang::enquo
:
library(rlang)
change_class_by_table <- function(data,data_ref,column_name,column_class){
data %>%
mutate(across(any_of(pull(data_ref,!!enquo(column_name))),
~get(paste0("as.",filter(data_ref, !!enquo(column_name) == cur_column()) %>%
pull(!!enquo(column_class))))(.x)))
}
change_class_by_table(df_1,df_2,var_name,var_class)
## A tibble: 10 x 6
# name height weight age gender preferred_pet
# <chr> <dbl> <dbl> <chr> <fct> <fct>
# 1 john 161 100 38 female frog
# 2 jack 192 67 87 female dog
# 3 mary 193 52 24 male rabbit
# ...