R 将多个变异函数压缩为单个函数

我在R中有一个表和向量列表，如下所示：

> table
  ID value
1  1     B
2  2     D
3  3     H
4  4     A
5  5     F

目前，我有一系列的变异函数，如果值在category中，则为每个category添加一列TRUE，否则为NA

> table %>%
+      mutate(catA = if_else(value %in% categories$catA, T, NA)) %>%
+      mutate(catB = if_else(value %in% categories$catB, T, NA)) %>%
+      mutate(catC = if_else(value %in% categories$catC, T, NA))

  ID value catA catB catC
1  1     B TRUE   NA   NA
2  2     D   NA TRUE   NA
3  3     H   NA   NA TRUE
4  4     A TRUE   NA TRUE
5  5     F   NA TRUE   NA

---

然而，在现实中，我有更多的类别，必须分别创建每个专栏并不理想。我曾试图将它们压缩成一个函数，但我正在努力循环遍历类别列表，并正确命名新列。我怀疑我需要使用quosures，但在阅读了dplyr vignette中的编程之后，我仍在努力让它们工作。

这里的想法是将类别列表转换为data.frame，然后执行简单的联接操作，将值表与各自的类别合并

为了使其工作，我们将3个类别（“宽格式”）概括为长格式data.frame，其中1列表示类别，1列表示其各自的值。为此，我们使用

tidyr

的

pivot\u longer

。在这种情况下，3个类别将成为一个包含9行的data.frame

当合并到一起时，我们可以使用

pivot\u wide

将其旋转回来

library(dplyr)
library(tidyr)

table <- data.frame(ID=1:5, value=c('B','D','H','A','F'))
categories <- list(catA=c('A','B','C'), catB=c('D','E','F'), catC=LETTERS[c(7,8,1)])

bind_cols(categories) %>% 
  pivot_longer(cols=everything()) %>%
  right_join(table, by=c('value')) %>%
  pivot_wider(names_from=name, values_from=value)

库（dplyr）
图书馆（tidyr）
表%
右连接（表，by=c（'value'））%>%
枢轴（名称从=名称，值从=值）

如果你设置了一个函数，最简单的方法是设计一个递归函数，它会像这样变化，我会在每次调用函数时添加类别列表中第一个不在传递的TIB中的成员，直到类别列表中没有不在列中的项为止。请注意列名的bang-bang（

！！

）以及调用的

：=

，这允许我们在mutate的左侧使用字符串。因为我们正在提取用于命名类别的字符串，所以不需要quosures（因为它已经被引用）

---

多亏@GenesRus朝着正确的方向推动了我，我成功地使我的原始功能正常工作

classify <- function(data, categories){
     for (i in 1:length(categories)){
          cat_name <- names(categories)[[i]]
          data <- mutate(data, !!cat_name := if_else(value %in% categories[[cat_name]], T, NA))
     }
     return(data)
}

---

classify我不确定以下代码是否是您想要的，它只在
base R
中使用
sapply（）
和
match（）
：

r <- cbind(table,with(table,sapply(categories, function(v) match(value,v)>0)))

谢谢，但我特别感兴趣的是如何使用函数来缩短我的方法。谢谢！我设法用你的答案来修复我最初的尝试，使用for循环来循环列表中的每个项目，我认为这稍微容易一点，我将自己添加它作为答案。如果没有你的回答，我是不会明白的！
classify <- function(data, categories){
     for (i in 1:length(categories)){
          cat_name <- names(categories)[[i]]
          data <- mutate(data, !!cat_name := if_else(value %in% categories[[cat_name]], T, NA))
     }
     return(data)
}

r <- cbind(table,with(table,sapply(categories, function(v) match(value,v)>0)))

> r
  ID value catA catB catC
1  1     B TRUE   NA   NA
2  2     D   NA TRUE   NA
3  3     H   NA   NA TRUE
4  4     A TRUE   NA TRUE
5  5     F   NA TRUE   NA