使用嵌套ifelse语句创建两个列而不是一个列的mutate函数

问题描述

我有一些国家的covid-19案例的累积数据，我正在尝试在名为Diff的新列中计算差异。我无法删除NA值，因为它不会显示未执行任何测试的日期。因此，我将其设置为如果存在NA值，则将Diff值设置为0以表示没有差异，因此当天没有进行任何测试。

我也在尝试声明，如果Diff也是NA，表示前一天没有进行测试，则将差异设置为当天确认的病例值。

从底部的结果可以看出，我快到了，但是我正在创建一个名为ifelse的新列。我试图解决此问题，但我认为我在某个地方犯了一个简单的错误。如果有人可以向我指出，我将非常感谢，谢谢。

编辑：我意识到在将滞后计算= NA时将日常案件设置为已确认案件的想法引起了逻辑上的错误，因为这会产生误导性的答案。

我在大型数据集上使用以下代码填充并在出现NA时重复前面的值。我按组筛选，以免在各个国家/地区简单地传播前瞻性价值。

然后我计算了时滞，然后使用Ronak Shah的代码来获取每日值。

data <- data %>%
            group_by(CountryName) %>%
            fill(ConfirmedCases,.direction = "down")

data <- data %>%
            mutate(lag1 = ConfirmedCases - lag(ConfirmedCases))

data <- data %>% mutate(DailyCases = replace_na(coalesce(lag1,ConfirmedCases),0))

library(tidyverse)

data <- data.frame(
          stringsAsFactors = FALSE,CountryName = c("Afghanistan","Afghanistan","Afghanistan"),ConfirmedCases = c(NA,7L,NA,10L,16L,21L,22L,24L,34L,40L,42L,75L,91L,106L,114L,141L,166L,192L,235L,270L,299L,337L,367L,423L),Diff = c(NA,6L,5L,1L,0L,2L,33L,15L,8L,27L,25L,26L,43L,35L,29L,38L,30L,56L)
                 )

data2 <- data %>%
  mutate(Diff = ifelse(is.na(ConfirmedCases) == TRUE,ConfirmedCases - lag(ConfirmedCases)),ifelse(is.na((ConfirmedCases - lag(ConfirmedCases))) == TRUE,ConfirmedCases,ConfirmedCases - lag(ConfirmedCases)))

head(data2,10)
#>    CountryName ConfirmedCases Diff ifelse(...)
#> 1  Afghanistan             NA    0          NA
#> 2  Afghanistan              7   NA           7
#> 3  Afghanistan             NA    0          NA
#> 4  Afghanistan             NA    0          NA
#> 5  Afghanistan             NA    0          NA
#> 6  Afghanistan             10   NA          10
#> 7  Afghanistan             16    6           6
#> 8  Afghanistan             21    5           5
#> 9  Afghanistan             22    1           1
#> 10 Afghanistan             22    0           0

^{由reprex package（v0.3.0）于2020-08-15创建}

解决方法

也许这可以通过创建目标列的副本来提供帮助：

library(tidyverse)

data %>% mutate(D=ConfirmedCases,D=ifelse(is.na(D),D),Diff2 = c(0,diff(D)),Diff2=ifelse(Diff2<0,Diff2)) %>% select(-D)

输出：

   CountryName ConfirmedCases Diff Diff2
1  Afghanistan             NA   NA     0
2  Afghanistan              7   NA     7
3  Afghanistan             NA   NA     0
4  Afghanistan             NA   NA     0
5  Afghanistan             NA   NA     0
6  Afghanistan             10   NA    10
7  Afghanistan             16    6     6
8  Afghanistan             21    5     5
9  Afghanistan             22    1     1
10 Afghanistan             22    0     0
11 Afghanistan             22    0     0
12 Afghanistan             24    2     2
13 Afghanistan             24    0     0
14 Afghanistan             34   10    10
15 Afghanistan             40    6     6
16 Afghanistan             42    2     2
17 Afghanistan             75   33    33
18 Afghanistan             75    0     0
19 Afghanistan             91   16    16
20 Afghanistan            106   15    15
21 Afghanistan            114    8     8
22 Afghanistan            141   27    27
23 Afghanistan            166   25    25
24 Afghanistan            192   26    26
25 Afghanistan            235   43    43
26 Afghanistan            235    0     0
27 Afghanistan            270   35    35
28 Afghanistan            299   29    29
29 Afghanistan            337   38    38
30 Afghanistan            367   30    30
31 Afghanistan            423   56    56

,

我认为您可以使用coalesce从Diff和ConfirmedCases获取第一个非NA值，如果两个都是NA，则将其替换为0。

library(dplyr)
data %>%
  mutate(Diff2 = tidyr::replace_na(coalesce(Diff,ConfirmedCases),0))

#   CountryName ConfirmedCases Diff Diff2
#1  Afghanistan             NA   NA     0
#2  Afghanistan              7   NA     7
#3  Afghanistan             NA   NA     0
#4  Afghanistan             NA   NA     0
#5  Afghanistan             NA   NA     0
#6  Afghanistan             10   NA    10
#7  Afghanistan             16    6     6
#8  Afghanistan             21    5     5
#9  Afghanistan             22    1     1
#10 Afghanistan             22    0     0
#11 Afghanistan             22    0     0
#12 Afghanistan             24    2     2
#...
#...