Início / coding / Perguntas / 79590966
Accepted
robertspierre
Asked: 2025-04-24 23:18:28 +0800 CST

Diferença entre if_any(any_of(vars)) e if_any(all_of(vars))

  • 772

Considere o seguinte MWE:

df <- data.frame(a=c(TRUE, TRUE, FALSE), b=c(FALSE, TRUE, FALSE))
myvars <- c("a","b")

O objetivo é construir uma coluna cque seja VERDADEIRA em cada linha se um ou ambos ae bforem VERDADEIROS.

É necessário que a lista de variáveis ​​a serem usadas seja mantida pelo caractere vetorial myvars.

Com

df %>% mutate(c=if_any(myvars))

Eu entendo:

! Using an external vector in selections was deprecated in tidyselect 1.1.0.
ℹ Please use `all_of()` or `any_of()` instead.
  # Was:
  data %>% select(myvars)

  # Now:
  data %>% select(all_of(myvars))

See <https://tidyselect.r-lib.org/reference/faq-external-vector.html>.

Diante disso, tenho que fazer:

df %>% mutate(c=if_any(any_of(myvars)))
df %>% mutate(c=if_any(all_of(myvars)))

Mas não entendo a diferença entre os dois.

if_anydeveria implicar any_of.

Qual é a diferença entre os dois?

3 respostas

  1. Best Answer

    A diferença é se essas colunas precisam ou não estar no quadro de dados. all_of()gerará um erro se você incluir quaisquer colunas que não estejam no quadro de dados. any_of()funcionará com facilidade com quaisquer colunas que estejam presentes no quadro de dados, ignorando as que não estiverem.

    Para segurança do código, você deve usar all_of()sempre que possível, mas às vezes, por exemplo, você está escrevendo scripts para trabalhar em entradas semelhantes que têm colunas ligeiramente diferentes, o que any_of()é muito útil neste caso.

    "x"Para ilustrar, vamos adicionar a coluna inexistente a myvars:

    ## any_of still works
df %>% mutate(c=if_any(any_of(c(myvars, "x"))))
#       a     b     c
# 1  TRUE FALSE  TRUE
# 2  TRUE  TRUE  TRUE
# 3 FALSE FALSE FALSE


## all_of throws an error: ✖ Element `x` doesn't exist.
df %>% mutate(c=if_any(all_of(c(myvars, "x"))))
# Error in `mutate()`:
# ℹ In argument: `c = if_any(all_of(c(myvars, "x")))`.
# Caused by error in `if_any()`:
# ℹ In argument: `all_of(c(myvars, "x"))`.
# Caused by error in `all_of()`:
# ! Can't subset elements that don't exist.
# ✖ Element `x` doesn't exist.

    Isso é explicado na página de ajuda compartilhada acessível em ?any_ofou ?all_of:

    • all_of()é para seleção estrita. Se alguma das variáveis ​​no vetor de caracteres estiver ausente, um erro será gerado.

    • any_of() Não verifica se há variáveis ​​ausentes. É especialmente útil com seleções negativas, quando você quer ter certeza de que uma variável foi removida.

    • 3

  2. O objetivo é construir uma coluna c que seja VERDADEIRA em cada linha se um ou ambos a e b forem VERDADEIROS.

    Essa é rowSums()uma tarefa simples!

    X = data.frame(A=c(TRUE, TRUE, FALSE), B=c(FALSE, TRUE, FALSE))
myvars = c('A', 'B')
X$C = rowSums(X[myvars]) > 0

    > X
      A     B     C
1  TRUE FALSE  TRUE
2  TRUE  TRUE  TRUE
3 FALSE FALSE FALSE

    Nota. Renomeado dfpara Xe transformado em letras maiúsculas os nomes das colunas (variáveis).

    • 1

  3. data.tableAqui está uma alternativa mais rápida e ainda legível :

    > library(data.table)
> setDT(df)
> df[, c := Reduce(`|`, .SD), .SDcols=myvars][]
        a      b      c
   <lgcl> <lgcl> <lgcl>
1:   TRUE  FALSE   TRUE
2:   TRUE   TRUE   TRUE
3:  FALSE  FALSE  FALSE

    O Base R também permite isso, mas geralmente é mais lento:

    > df |> transform(c=Reduce(`|`, lapply(myvars, \(x) df[[x]])))
      a     b     c
1  TRUE FALSE  TRUE
2  TRUE  TRUE  TRUE
3 FALSE FALSE FALSE

    Referência

    $ Rscript --vanilla foo.R
Unit: milliseconds
       expr        min         lq       mean     median         uq       max neval cld
    Reduce1  72.390647  77.901894  91.130995  94.438733  95.883708 160.43279   100 a  
    Reduce2  73.689306  77.874417  92.030412  94.866177  96.025324 160.32231   100 a  
    rowSums 113.689026 130.263562 137.712968 132.074253 144.814603 214.01530   100  b 
 data.table   2.379800   2.587120   4.352990   2.667881   2.741449  82.73747   100   c
      dplyr   2.772497   3.448753   4.733899   3.503982   3.550173  24.29669   100   c

    Código:

    library(magrittr)
library(data.table)
options(width=200)
df <- df[sample.int(nrow(df), 1e6, replace=TRUE), ]
dt <- as.data.table(df)
microbenchmark::microbenchmark(
  Reduce1=df |> transform(c=Reduce(`|`, lapply(myvars, \(x) df[[x]]))),
  Reduce2=df |> transform(c=Reduce("|", df[myvars])),
  rowSums=df |> transform(c=rowSums(df[myvars]) > 0),
  data.table=dt[, c := Reduce(`|`, .SD), .SDcols=myvars][],
  dplyr=df %>% dplyr::mutate(c=dplyr::if_any(dplyr::any_of(c(myvars, "x")))),
  check='equivalent'
)
    • 0

relate perguntas