在 dplyr 中使用 & 的 case_when 语句有问题吗？

如何解决在 dplyr 中使用 & 的 case_when 语句有问题吗？

我正在尝试在我的数据集中创建一个额外的列来对百分位数进行分桶。理想情况下，我会按如下方式创建逻辑：

CASE 
  WHEN  percentile >=  75 AND  percentile < 90  THEN "75%-89% Percentile"
  WHEN percentile >=  50 AND  percentile < 75  THEN "50%-75% Percentile"

END 

我对 dplyr 的尝试如下：

  mutate(Bucket = case_when(as.double(percentile) >= 90 ~ "90%-100% Percentile",as.double(percentile) >=  75 & as.double(percentile) < 90  ~ "75%-89% Percentile",as.double(percentile) <  75 & as.double(percentile) >= 50  ~ "50%-75% Percentile",as.double(percentile) <  50 & as.double(percentile) >= 25  ~ "25%-50% Percentile",as.double(percentile) <  25 & as.double(percentile) >= 0  ~ "0%-25% Percentile"))

但是它没有正确分桶，请在屏幕截图中查看结果示例。这些百分位数的桶标志应为“75%-89% 百分位数”：

解决方法

percentile 列是 factor。我们需要先转换为 character 类，然后再转换为 numeric

library(dplyr)
 df1 %>%
     mutate(percentile = as.numeric(as.character(percentile))) %>%
     ...

---

发生的情况是，当我们直接强制转换为数字/整数时，它会被强制转换为整数存储值而不是实际值

v1 <- factor(c(81.9,82.7,81.9,82.5))
as.numeric(v1)
#[1] 1 3 1 2

与以下不同

as.numeric(as.character(v1))
#[1] 81.9 82.7 81.9 82.5

或者使用 levels

可能更快

as.numeric(levels(v1)[v1])
#[1] 81.9 82.7 81.9 82.5