爲什麼嵌套的ifelse在dplyr 0.5.0 mutate中創建不正確的結果？

Question

考慮以下的數據幀：

(tmp_df <- 
structure(list(class = c(0L, 0L, 1L, 1L, 2L, 2L), logi = c(TRUE, 
FALSE, TRUE, FALSE, TRUE, FALSE), val = c(1, 1, 1, 1, 1, 1), 
    taken = c(1.00684931506849, 0.993197278911565, 1.025, 0.975609756097561, 
    1.00826446280992, 0.991803278688525)), class = c("tbl_df", 
"tbl", "data.frame"), row.names = c(NA, -6L), .Names = c("class", 
"logi", "val", "taken"))) 

其產生：

Source: local data frame [6 x 4] 

    class logi val  taken 
    <int> <lgl> <dbl>  <dbl> 
1  0 TRUE  1 1.0068493 
2  0 FALSE  1 0.9931973 
3  1 TRUE  1 1.0250000 
4  1 FALSE  1 0.9756098 
5  2 TRUE  1 1.0082645 
6  2 FALSE  1 0.9918033 

我想組按類別，並且如果每個組包含兩個成員，然後從val如果logi == FALSE減去1，否則，從val中減去該組中的最小值taken。如果每個組不包含兩個成員，那麼我們從val減去零。

使用dplyr包做代碼以上可使用來表示：

tmp_df %>% 
    group_by(class) %>% 
    mutate(taken_2 = ifelse(n() != 2, 0, 
           ifelse(logi, min(taken), 1)), 
      not_taken = val - taken_2) 

然而，這將產生不正確的結果，其中，由所述第二ifelse總是解析爲第一條件：

Source: local data frame [6 x 6] 
Groups: class [3] 

    class logi val  taken taken_2 not_taken 
    <int> <lgl> <dbl>  <dbl>  <dbl>  <dbl> 
1  0 TRUE  1 1.0068493 0.9931973 0.006802721 
2  0 FALSE  1 0.9931973 0.9931973 0.006802721 
3  1 TRUE  1 1.0250000 0.9756098 0.024390244 
4  1 FALSE  1 0.9756098 0.9756098 0.024390244 
5  2 TRUE  1 1.0082645 0.9918033 0.008196721 
6  2 FALSE  1 0.9918033 0.9918033 0.008196721 

如果我們沒有第一個ifelse聲明，可以生成正確的結果。

tmp_df %>% 
    group_by(class) %>% 
    mutate(taken_2 = ifelse(logi, min(taken), 1), 
      not_taken = val - taken_2) 

生產：

Source: local data frame [6 x 6] 
Groups: class [3] 

    class logi val  taken taken_2 not_taken 
    <int> <lgl> <dbl>  <dbl>  <dbl>  <dbl> 
1  0 TRUE  1 1.0068493 0.9931973 0.006802721 
2  0 FALSE  1 0.9931973 1.0000000 0.000000000 # correct! 
3  1 TRUE  1 1.0250000 0.9756098 0.024390244 
4  1 FALSE  1 0.9756098 1.0000000 0.000000000 # correct! 
5  2 TRUE  1 1.0082645 0.9918033 0.008196721 
6  2 FALSE  1 0.9918033 1.0000000 0.000000000 # correct! 

我們可以看到，這個問題似乎通過檢查其他代碼片段，成功地做類似的東西被隔離到mutate和嵌套ifelse：

tmp_df %>% 
    group_by(class) %>% 
    mutate(taken_2 = ifelse(n() != 3, 0, 
          ifelse(logi, min(taken), 1)), 
      not_taken = val - taken_2) 

tmp_df_2 <- 
    tmp_df %>% 
    filter(row_number() <= 2) 

(tmp_df_2$taken_2 <- 
    ifelse(c(0, 0), 0, 
      ifelse(tmp_df_2$logi, min(tmp_df_2$taken), 1))) 

## but the following does not work (checks problem is not to do with grouping) 
# tmp_df_2 %>% 
#  mutate(taken_2 = ifelse(n() != 2, 0, 
#        ifelse(logi, min(taken), 1)), 
#   not_taken = val - taken_2) 

爲什麼會發生這種情況，並且如何獲得預期的行爲？一種解決方法是嵌套ifelse邏輯分割成多個在線變異：

tmp_df %>% 
    group_by(class) %>% 
    mutate(taken_2 = ifelse(n() != 2, 0, 1), 
      taken_3 = taken_2 * ifelse(logi, min(taken), 1), 
      not_taken = val - taken_3) 

別人已經確定與嵌套ifelse了類似的問題，但我不知道是否有同根： ifelse using dplyr results in NAs for some records

Answer 1

您是ifelse矢量回收的受害者。他們關鍵是此行：

mutate(taken_2 = ifelse(n() != 2, 0, 
          ifelse(logi, min(taken), 1)) 

由於n() != 2是長度-1（每個組），ifelse只考慮第一logi和重複/回收此值。

您應該使用if和if_else：

mutate(taken_2 = if (n() != 2) 0 else if_else(logi, min(taken), 1)) 

我會建議從未使用ifelse。從一個幾乎由於這個確切的錯誤而導致數百萬美元錯誤的人那裏拿走它。

Answer 2

從?ifelse，

‘ifelse’ returns a value with the same shape as ‘test’

並且由於n() != 2返回長度爲1的矢量，並且始終爲真，所以第二個ifelse始終返回長度爲1的矢量，但會循環以適合組的形狀。一種解決方案是該組的長度的矢量送入第一ifelse：

tmp_df %>% 
    group_by(class) %>% 
    mutate(taken_2 = ifelse(rep(n() != 2, n()), 0, 
           ifelse(logi, min(taken), 1)), 
      not_taken = val - taken_2) 
# Source: local data frame [6 x 6] 
# Groups: class [3] 

# class logi val  taken taken_2 not_taken 
# <int> <lgl> <dbl>  <dbl>  <dbl>  <dbl> 
# 1  0 TRUE  1 1.0068493 0.9931973 0.006802721 
# 2  0 FALSE  1 0.9931973 1.0000000 0.000000000 
# 3  1 TRUE  1 1.0250000 0.9756098 0.024390244 
# 4  1 FALSE  1 0.9756098 1.0000000 0.000000000 
# 5  2 TRUE  1 1.0082645 0.9918033 0.008196721 
# 6  2 FALSE  1 0.9918033 1.0000000 0.000000000