Scrittura di una funzione personalizzata per convertire classi di variabili in un dataframe basato su un'altra tabella
Sto cercando di scrivere una funzione che potrebbe includere:
- data frame (
df_1
) le cui classi di colonne devono essere convertite - un altro data frame (
df_2
) che ha una riga per ogni variabile didf_1
- una colonna in
df_2
che specifica la classe in cui ogni variabiledf_1
deve essere convertita
Esempio
1 - Data frame ( df_1
) con i miei dati (e le classi delle variabili da convertire)
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 - Data frame ( df_2
) con classi in cui convertire le df_1
colonne
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 - Costruire una funzione per la conversione di classi
Ho visto la soluzione di @ akrun qui , che sembra molto vicina a ciò che sto cercando di ottenere.
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))
Tuttavia, questa soluzione non affronta situazioni come la mia, in cui i nomi delle variabili di df_1
non appaiono necessariamente in df_2
e, analogamente, df_2$var_name
include variabili che non compaiono necessariamente in df_1
.
Sarò felice di qualsiasi idea per costruire una funzione per convertire df_1
le classi vars in base alle informazioni trovate in df_2
. Trovare una soluzione utilizzando le tidyverse
funzioni sarebbe l'ideale. Grazie!
Risposte
Ecco un approccio che fa leva across
e cur_column
:
library(dplyr) #version >= 1.0.0
df_1 %>%
mutate(across(any_of(df_2$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
L' any_of
helper di selezione assicura che provi a modificare solo le colonne presenti in df_2
.
Il secondo argomento è la funzione che viene applicata alle colonne presenti. È possibile utilizzare cur_column()
per avere accesso al nome della colonna che viene modificata. Da lì, cerchiamo solo il nome di quella colonna df_2
e restituiamo il nome var_class
desiderato. Quindi utilizzare get()
dalla base R per restituire la funzione appropriata e applicarla alla colonna con (.x)
.
Se volessi definire una funzione e passare i nomi delle colonne senza virgolette come faresti con altre funzioni tidyverse, potresti usare 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
# ...