dplyr：对不同的组应用不同的功能

我是一个尝试使用dplyr进行数据分析的初学者。我的数据基本上来自一些操作（“Ops”），并且排列有序。我经常需要根据操作类型对观察值（“Num”）应用不同的函数，然后将它们组合起来进行分析

下面是一个简单的例子：

  X      Num  Ops
  0       37   S
  1       18   R
  2       11   S
  3        3   R
  4       11   S
  5       13   R
  ...     ... ...

我想根据“Ops”列的值添加一个新列“Num2”，例如：

我不确定我是否应该做大量的

ifelse

作业——这让我觉得既多余又低效

一定有更好的解决方案，也许可以使用“分组、选择、筛选”的组合。有什么建议吗

基本上，我想知道是否有一种方法可以根据特定的标准对数据进行分组，然后对不同的子集应用不同的函数，最后将结果合并到一起。我发现的典型dplyr示例将相同的函数应用于所有子集

---

@下面的eddi使用data.table提供了更通用的解决方案。是否有dplyr等价物？

对于数值返回值，您可以轻松避免使用

ifelse

。只需将条件转换为数值，并使用适当的数值计算

df %>% mutate(Num2 = Num - 2*(Ops=="S") + 1)

---

有一个包含

mutate\u if

函数的

dplyextras

包

# install dplyrExtras
library(devtools)
install_github(repo="skranz/dplyrExtras")
require(dplyrExtras)
# code using mutate_if
df %>% 
  mutate(Num2 = Num+1) %>% 
  mutate_if(Ops=="S", Num2 = Num-1)

---

我正在寻找更通用的解决方案。函数通常更复杂，并且“按列分组”有两个以上的值。您可以尝试以下方法：检查、和，以获取想法和可能的替代技术。感谢您的建议。这些不是我想要的。基本上，我想知道是否有一种方法可以根据特定的标准对数据进行分组，对不同的子集应用不同的函数，然后将结果合并到一起。典型的dplyr示例将相同的函数应用于所有子集。@eddi看起来您确实为data.table提供了更通用的解决方案。有没有一个dplyr等价物？@Dong不确定，我不是一个似乎浪费的

dplyr

专家。我想在执行group_by（Ops）之后取消条件操作。可能的

# install dplyrExtras
library(devtools)
install_github(repo="skranz/dplyrExtras")
require(dplyrExtras)
# code using mutate_if
df %>% 
  mutate(Num2 = Num+1) %>% 
  mutate_if(Ops=="S", Num2 = Num-1)