正文

今天要紀錄的函式：

1. dplyr::case_when(): 多條件的 if_else()，根據多個條件來創建新的變數。依序檢查每個條件，並根據第一個符合的條件來給予對應的值。
2. dplyr::coalesce(): 逐一檢查向量，並返回每個位置上第一個非 NA 的值。對於處理缺失值特別有用。
3. dplyr::if_else(): 元素級的 if() + else()，它會根據條件判斷為每個元素返回對應的值，而且類型一致。
4. dplyr::na_if(): 將特定值替換為 NA，用於處理資料中的特殊情況或異常值。
5. pmax(): 元素級的最大值函數，從多個向量中逐元素返回最大值。
6. pmin(): 元素級的最小值函數，從多個向量中逐元素返回最小值。

根據馬力 (hp) 將車輛分類為 "低功率"、"中功率" 或 "高功率"。

mtcars |>
  mutate(
    power_class = case_when(
      hp < 100 ~ "低功率",
      hp >= 100 & hp <= 200 ~ "中功率",
      hp > 200 ~ "高功率"
    )
  )

從三個變數中選擇第一個非 NA 的值

mtcars |>
  mutate(
    first_non_na = coalesce(mpg, hp, wt)
  )

如果重量 (wt) 大於3，則標記為 "重"，否則標記為 "輕"。

mtcars |>
  mutate(
    weight_class = if_else(wt > 3, "重", "輕")
  )

找出每輛車的gear和carb中的較大值。

mtcars |>
     mutate(
         max_gear_carb = pmax(gear, carb)
     )

找出每輛車的gear和carb中的較小值。

mtcars |>
     mutate(
         min_gear_carb = pmin(gear, carb)
     )

今天的小筆記就先到這邊，大家明天見～～

參考資料：

1. Data transformation with dplyr :: Cheatsheet