基于多参数在palmerpenguins数据集新增分类列

需求说明 #

使用palmerpenguins数据集和独立参数表df_query，为每只企鹅新增CATEGORY列，标记为small/medium/large，要求：

• 同时依据**喙长（bill_length_mm）和体重（body_mass_g）**两项参数判断
• 逻辑完全依赖df_query参数表，可复现
• 若企鹅符合多个分类的参数范围，标记所有匹配分类（逗号分隔）；无匹配则标记为NA

现有尝试仅使用喙长单参数判断，未满足需求。

环境与参数表 #

library(tidyverse)
library(palmerpenguins)

# 分类参数表：定义各分类的喙长、体重区间
df_query <- data.frame(CATEGORY = c("small", "medium", "large"), 
                       BILL_MIN = c(30,35,44),
                       BILL_MAX = c(36,46,62),
                       MASS_MIN = c(2500,2800,3800),
                       MASS_MAX = c(2800,4000,6000))

解决方案代码 #

方法一：交叉连接+分组聚合（适合大规模数据） #

penguins_withCATEGORY <- penguins %>%
  # 添加唯一行标识，确保分组精准
  mutate(row_id = row_number()) %>%
  # 让每只企鹅与所有分类参数配对
  cross_join(df_query) %>%
  # 筛选符合当前分类参数的记录（排除NA值避免误判）
  filter(
    !is.na(bill_length_mm), !is.na(body_mass_g),
    bill_length_mm > BILL_MIN,
    bill_length_mm <= BILL_MAX,
    body_mass_g > MASS_MIN,
    body_mass_g <= MASS_MAX
  ) %>%
  # 按企鹅分组，聚合所有匹配的分类
  group_by(row_id, across(-CATEGORY, -BILL_MIN:-MASS_MAX)) %>%
  summarise(CATEGORY = str_c(CATEGORY, collapse = ", "), .groups = "drop") %>%
  # 补回所有原始企鹅数据，无匹配的标记为NA
  right_join(penguins %>% mutate(row_id = row_number()), by = c("row_id", names(penguins))) %>%
  # 移除临时行标识
  select(-row_id)

方法二：逐行判断（代码更简洁） #

penguins_withCATEGORY <- penguins %>%
  rowwise() %>%
  mutate(
    # 筛选当前企鹅符合的所有分类
    matched_cats = list(df_query$CATEGORY[
      !is.na(bill_length_mm) & !is.na(body_mass_g) &
        bill_length_mm > df_query$BILL_MIN &
        bill_length_mm <= df_query$BILL_MAX &
        body_mass_g > df_query$MASS_MIN &
        body_mass_g <= df_query$MASS_MAX
    ]),
    # 处理无匹配的情况，将多分类用逗号连接
    CATEGORY = case_when(
      length(matched_cats) == 0 ~ NA_character_,
      TRUE ~ str_c(matched_cats, collapse = ", ")
    )
  ) %>%
  ungroup() %>%
  select(-matched_cats) # 移除临时变量

代码说明 #

• 两种方法均严格依据df_query的参数区间判断，修改参数表即可更新分类逻辑
• 自动处理NA值：喙长或体重为NA的企鹅，直接标记为NA
• 支持多分类匹配：若企鹅同时符合多个分类的参数范围，会将所有匹配分类用逗号连接显示

内容的提问来源于stack exchange，提问作者shu251