Est-il un moyen efficace pour muter uniquement sur les lignes qui répondent à une condition? Pensez à muter(when(condition))

Il n'y a pas de fonctionnalité pour ce faire, dans muter, mais Romain François a partagé une fonction, vous pouvez définir vous-même qui fait ceci:

library(dplyr, warn.conflicts = F)

mutate_when <- function(.data, when, ...) {
  dots <- enquos(...)
  names <- names(dots)
  
  mutate(.data, {
    test <- {{ when }}
    
    changed <- data.frame(!!!dots, stringsAsFactors = FALSE)
    out <- across(all_of(names))
    # assuming `changed` and `out` have the same data frame type

    out[test, ] <- changed[test, ]
    out
  })
  
}

tibble(x = 1:4, y = 1:4) %>% 
  mutate_when(x < 4, x = -x, y = -y)
#> # A tibble: 4 × 2
#>       x     y
#>   <int> <int>
#> 1    -1    -1
#> 2    -2    -2
#> 3    -3    -3
#> 4     4     4

^{Créé sur 2021-11-23 par le reprex paquet (v2.0.1)}

Une autre solution possible est d'utiliser sur les() et ifelse(), par exemple, si la valeur dans la colonne x est inférieur à quatre, effectuer la mutation:

library(tidyverse)
tibble(x = c(1:2, 4:5), y = 1:4) %>% 
  mutate(across(everything(), ~ ifelse(x < 4, -.x, .x)))
#> # A tibble: 4 × 2
#>       x     y
#>   <int> <int>
#> 1    -1    -1
#> 2    -2    -2
#> 3     4     3
#> 4     5     4

^{Créé sur 2021-11-24 par le reprex paquet (v2.0.1)}

Vous pouvez également imbriquer des ifelse est, par exemple, si la valeur dans la colonne x est inférieur à 4, ou si une valeur dans une colonne est égal à 3, de muter:

library(tidyverse)
tibble(x = c(1:2, 4:5), y = 1:4) %>% 
  mutate(across(everything(), ~ ifelse(x < 4, -.x,
                                       ifelse(.x == 3, .x + 10, .x))))
#> # A tibble: 4 × 2
#>       x     y
#>   <int> <dbl>
#> 1    -1    -1
#> 2    -2    -2
#> 3     4    13
#> 4     5     4

^{Créé sur 2021-11-24 par le reprex paquet (v2.0.1)}

Et, ainsi de suite:

library(tidyverse)
tibble(x = c(1:2, 4:5), y = 1:4) %>% 
  mutate(across(everything(), ~ ifelse(x < 4, -.x,
                                       ifelse(.x == 3, .x + 10,
                                              ifelse(.x >= 5, "outlier", .x)))))
#> # A tibble: 4 × 2
#>   x           y
#>   <chr>   <dbl>
#> 1 -1         -1
#> 2 -2         -2
#> 3 4          13
#> 4 outlier     4

^{Créé sur 2021-11-24 par le reprex paquet (v2.0.1)}

--

Pour faire la mutation de manière plus efficace, ne pas utiliser de dplyr::muter. Le ifelse() la fonction est vectorisé (plus de détails: https://swcarpentry.github.io/r-novice-gapminder/09-vectorization/) et si vous avez un grand dataframe, ifelse seul sera très probablement être plus rapide que tidyverse des fonctions, par exemple

library(tidyverse)
df <- tibble(x = c(1:2, 4:5), y = 1:4)
df$y <- ifelse(df$x < 4, -df$y, df$y)
df
#> # A tibble: 4 × 2
#>       x     y
#>   <int> <int>
#> 1     1    -1
#> 2     2    -2
#> 3     4     3
#> 4     5     4

Modifier

Une autre option est de remplacer les valeurs par affectation: df$y[df$x < 4] <- -(df$y); df$x[df$x < 4] <- -(df$x) (rapide, mais il y a des limites).

Voici un rapide benchmark des méthodes suggérées avec 1 million de lignes:

library(tidyverse)
df <- tibble(x = sample(1:10, 1000000, replace = TRUE),
             y = sample(1:10, 1000000, replace = TRUE))

mutate_func <- function(df){
  df %>%
    mutate(across(everything(), ~ ifelse(x < 4, -.x, .x)))
}

ifelse_func <- function(df){
  df$y <- ifelse(df$x < 4, -df$y, df$y)
}

replacement_func <- function(df) {
  df$y[df$x < 4] <- -(df$y)
  df$x[df$x < 4] <- -(df$x)
}

mutate_when_func <- function(df) {
  mutate_when <- function(.data, when, ...) {
    dots <- enquos(...)
    names <- names(dots)
  
    mutate(.data, {
      test <- {{ when }}
    
      changed <- data.frame(!!!dots, stringsAsFactors = FALSE)
      out <- across(all_of(names))
      # assuming `changed` and `out` have the same data frame type
    
      out[test, ] <- changed[test, ]
      out
    })
  }

df %>% 
  mutate_when(x < 4, x = -x, y = -y)
}

library(microbenchmark)
result <- microbenchmark(mutate_func(df), ifelse_func(df),
                         mutate_when_func(df), replacement_func(df),
                         times = 10)
autoplot(result)