Escrever uma função personalizada para converter classes de variáveis em um dataframe baseado em outra tabela
Estou tentando escrever uma função que poderia incluir:
- data frame (
df_1
) cujas classes das colunas precisam ser convertidas - outro frame de dados (
df_2
) que tem uma linha para cada variável dedf_1
- uma coluna
df_2
que especifica a classe em que cada variáveldf_1
deve ser convertida
Exemplo
1 - Frame de dados ( df_1
) com meus dados (e classes de variáveis para converter)
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 - Frame de dados ( df_2
) com classes para converter df_1
colunas para
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 - Construindo uma função para conversão de classe
Eu vi a solução de @akrun aqui , que parece muito próxima do que estou tentando alcançar.
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))
No entanto, esta solução não aborda situações como a minha, em que nomes de variáveis de df_1
não aparecem necessariamente em df_2
e, da mesma forma, df_2$var_name
inclui variáveis que não necessariamente aparecem em df_1
.
Ficarei feliz com qualquer ideia para construir uma função para converter df_1
as classes de vars de acordo com as informações encontradas em df_2
. Encontrar uma solução usando tidyverse
funções seria o ideal. Obrigado!
Respostas
Esta é uma abordagem que aproveita across
e cur_column
:
library(dplyr) #version >= 1.0.0
df_1 %>%
mutate(across(any_of(df_2$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
O any_of
auxiliar de seleção garante que você apenas tente modificar as colunas que estão presentes em df_2
.
O segundo argumento é a função aplicada às colunas presentes. Você pode usar cur_column()
para ter acesso ao nome da coluna que está sendo modificada. A partir daí, apenas procuramos o nome da coluna df_2
e retornamos o que var_class
você deseja. Em seguida, use get()
da base R para retornar a função apropriada e aplique-a à coluna com (.x)
.
Se você quiser definir uma função e passar os nomes das colunas sem aspas, como faria com outras funções do tidyverse, poderá 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
# ...