r - R：如何为我的数据集创建特定的循环和 ifelse 语句。（附数据集）

Question

我是 R 新手，我想就可以帮助我执行复杂任务的代码类型征求您的意见。我有一组包含通过或失败值的变量。基于这些值，测试函数应该完成下面编写的任务：

1. 检查是否正常 == 失败，如果为真，则创建一个名为 test 的新列，将“失败”插入该特定情况的列中。

2. 如果正常 == 失败，则为假，检查从 PD 到 SA == 失败。如果为真，则将“失败”插入在步骤 1 中创建的名为 test 的列中。

3. 如果 PD to SA == Fail 为假，则将“通过”插入在步骤 1 中创建的名为 test 的列中。

4. 应跳过特定情况下的任何 NA。

理想情况下，最后的表格应如下所示： 示例 1

从示例 1 可以看出，即使 normal == pass，因为 TH == Fail，测试列的最终结果是“失败”。

在示例 2中，从正常到 SA 的所有值 == 通过，测试列的最终结果 ==“通过”。

最后在示例 3中，因为 normal == "Fail"，测试列的最终结果 == "Fail"。

我一直在尝试创建这个函数并遍历我数据集中的 2000 个案例。但没有一个奏效。任何帮助将不胜感激。我已将链接附加到问题中的数据集以供参考。 https://drive.google.com/file/d/1nd0c99kuMiUdjhiKxNHK-j5TY9de9vbX/view?usp=sharing

标签： rloopsif-statement

Answer 1

使用 dplyr 和case_when：

library(dplyr)

data %>%
  mutate(Test=case_when(
    Normal=="Fail" ~ "Fail", 
    Normal!="Fail" & rowSums(select(., PD:SA) == "Fail", na.rm=TRUE) > 0 ~ "Fail",
    Normal=="Pass" ~ "Pass"))

# A tibble: 2,490 x 9
   Normal PD    MP    TH    Py    KA    VT    SA    Test 
   <chr>  <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
 1 Pass   Pass  Pass  Fail  Pass  Pass  Pass  Pass  Fail 
 2 Pass   Pass  Fail  Pass  Pass  Pass  Pass  Pass  Fail 
 3 Fail   Pass  Pass  Pass  Pass  Pass  Pass  Fail  Fail 
 4 Pass   Fail  Pass  Pass  Pass  Pass  Pass  Pass  Fail 
 5 Fail   Pass  Fail  Pass  Pass  Pass  Fail  Pass  Fail 
 6 Pass   Pass  Fail  Fail  Pass  Pass  Fail  Pass  Fail 
 7 Pass   Pass  Fail  Pass  Pass  Pass  Pass  Pass  Fail 
 8 Fail   Pass  Fail  Pass  Pass  Pass  Pass  Pass  Fail 
 9 Pass   Fail  Fail  Pass  Pass  Pass  Fail  Pass  Fail 
10 Pass   Pass  Pass  Fail  Pass  Pass  Fail  Pass  Fail 
# ... with 2,480 more rows

我必须找到一些通行证：

%>%
  filter(Test=="Pass")
# A tibble: 257 x 9
   Normal PD    MP    TH    Py    KA    VT    SA    Test 
   <chr>  <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
 1 Pass   Pass  Pass  Pass  Pass  Pass  Pass  Pass  Pass 
 2 Pass   Pass  Pass  Pass  Pass  Pass  Pass  Pass  Pass 
 3 Pass   Pass  Pass  Pass  Pass  Pass  Pass  Pass  Pass 
 4 Pass   Pass  Pass  Pass  Pass  Pass  Pass  Pass  Pass 
 5 Pass   Pass  Pass  Pass  Pass  Pass  Pass  Pass  Pass 

还有一些<NA>。这个脱颖而出（＃541）：

  %>% slice(541)
# A tibble: 1 x 9
  Normal PD    MP    TH    Py    KA    VT    SA    Test 
  <chr>  <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
1 Pass   Pass  Fail  Fail  NA    Pass  Fail  Pass  Fail 

最后的表格给出：

%>% count(Test)
# A tibble: 3 x 2
# Groups:   Test [3]
  Test      n
  <chr> <int>
1 Fail   2144
2 Pass    256
3 NA       90

---

资料：

dput(head(data, 100))

data <- structure(list(Normal = c("Pass", "Pass", "Fail", "Pass", "Fail", 
"Pass", "Pass", "Fail", "Pass", "Pass", "Fail", "Fail", "Pass", 
"Pass", "Fail", "Fail", "Pass", "Pass", "Fail", "Pass", "Fail", 
"Pass", "Pass", "Fail", "Fail", "Fail", "Fail", "Pass", "Fail", 
"Fail", "Pass", "Pass", "Fail", "Pass", "Pass", "Pass", "Fail", 
"Pass", "Pass", "Pass", "Fail", "Pass", "Pass", "Pass", "Pass", 
"Fail", "Pass", "Fail", "Pass", "Pass", "Pass", "Fail", "Pass", 
"Pass", "Pass", "Fail", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Fail", "Fail", "Fail", "Fail", "Fail", "Fail", 
"Fail", "Fail", "Pass", "Fail", "Pass", "Fail", "Pass", "Pass", 
"Fail", "Fail", "Pass", "Pass", "Fail", "Pass", "Fail", "Fail", 
"Pass", "Pass", "Fail", NA, "Pass", "Fail", "Pass", "Fail", "Fail", 
"Pass", "Pass", "Fail", "Fail", "Fail", "Pass"), PD = c("Pass", 
"Pass", "Pass", "Fail", "Pass", "Pass", "Pass", "Pass", "Fail", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Fail", "Pass", "Pass", 
"Pass", "Fail", "Pass", "Pass", "Pass", "Fail", "Pass", "Fail", 
"Fail", "Fail", "Fail", "Pass", "Pass", "Fail", "Pass", "Fail", 
"Pass", "Fail", "Pass", "Pass", "Fail", "Pass", "Pass", "Fail", 
"Pass", "Fail", "Fail", "Fail", "Pass", "Fail", "Fail", "Pass", 
"Fail", "Pass", "Fail", "Fail", "Pass", "Pass", "Pass", "Fail", 
"Fail", "Fail", "Fail", "Pass", "Pass", "Pass", "Fail", "Pass", 
"Fail", "Pass", "Fail", "Fail", "Pass", "Fail", "Pass", "Fail", 
"Pass", "Pass", "Pass", "Fail", "Fail", "Pass", "Pass", "Fail", 
"Pass", "Fail", "Fail", "Fail", "Fail", "Fail", "Pass", NA, "Pass", 
"Pass", "Fail", "Fail", "Fail", "Fail", "Fail", "Pass", "Fail", 
"Pass", "Fail"), MP = c("Pass", "Fail", "Pass", "Pass", "Fail", 
"Fail", "Fail", "Fail", "Fail", "Pass", "Fail", "Fail", "Fail", 
"Fail", "Pass", "Pass", "Pass", "Pass", "Pass", "Fail", "Fail", 
"Pass", "Pass", "Fail", "Pass", "Pass", "Pass", "Fail", "Pass", 
"Pass", "Fail", "Pass", "Pass", "Fail", "Fail", "Fail", "Pass", 
"Fail", "Pass", "Pass", "Pass", "Pass", "Fail", "Pass", "Fail", 
"Fail", "Fail", "Pass", "Fail", "Fail", "Fail", "Pass", "Fail", 
"Fail", "Fail", "Pass", "Fail", "Pass", "Fail", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Fail", "Pass", "Fail", "Pass", "Pass", 
"Pass", "Pass", "Fail", "Fail", "Fail", "Fail", "Pass", "Fail", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Fail", "Fail", "Fail", NA, "Pass", "Pass", "Fail", "Pass", "Fail", 
"Pass", "Fail", "Pass", "Pass", "Fail", "Fail"), TH = c("Fail", 
"Pass", "Pass", "Pass", "Pass", "Fail", "Pass", "Pass", "Pass", 
"Fail", "Pass", "Fail", "Fail", "Pass", "Fail", "Pass", "Fail", 
"Pass", "Pass", "Pass", "Fail", "Fail", "Pass", "Pass", "Fail", 
"Fail", "Fail", "Pass", "Fail", "Pass", "Pass", "Fail", "Pass", 
"Fail", "Pass", "Pass", "Fail", "Fail", "Fail", "Pass", "Fail", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Fail", "Pass", 
"Fail", "Fail", "Pass", "Pass", "Pass", "Fail", "Pass", "Pass", 
"Fail", "Pass", "Pass", "Pass", "Fail", "Fail", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Fail", "Pass", "Pass", 
"Pass", "Pass", "Fail", "Pass", "Fail", "Fail", "Pass", "Pass", 
"Pass", "Pass", "Fail", "Fail", "Pass", "Pass", "Pass", NA, "Pass", 
"Pass", "Fail", "Pass", "Fail", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass"), Py = c("Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Pass", NA, "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass"), KA = c("Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Fail", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Fail", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", NA, "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass"), VT = c("Pass", "Pass", "Pass", "Pass", "Fail", 
"Fail", "Pass", "Pass", "Fail", "Fail", "Fail", "Fail", "Pass", 
"Fail", "Fail", "Pass", "Fail", "Pass", "Fail", "Pass", "Fail", 
"Fail", "Pass", "Fail", "Fail", "Fail", "Fail", "Pass", "Fail", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Fail", "Fail", "Pass", "Pass", "Fail", "Pass", 
"Pass", "Pass", "Pass", "Pass", "Fail", "Pass", "Fail", "Fail", 
"Fail", "Pass", "Fail", "Pass", "Fail", "Fail", "Pass", "Pass", 
"Pass", "Fail", "Pass", "Pass", "Pass", "Pass", "Fail", "Fail", 
"Pass", "Fail", "Fail", "Fail", "Pass", "Fail", "Pass", "Fail", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Fail", "Fail", NA, "Pass", "Fail", "Pass", "Fail", "Fail", 
"Pass", "Pass", "Fail", "Fail", "Fail", "Fail"), SA = c("Pass", 
"Pass", "Fail", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Fail", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Fail", "Pass", "Pass", "Fail", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", NA, "Pass", 
"Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", "Pass", 
"Pass", "Pass")), row.names = c(NA, -100L), class = c("tbl_df", 
"tbl", "data.frame"))