dplyr中mutate与transmute的区别及适用场景解析

核心区别 #

• mutate(): 保留数据框所有原有列，同时新增或修改指定列，最终输出列数 = 原列数 + 新增/修改列数（修改列不增加总数）。
• transmute(): 默认只保留新增/修改的列，若要保留原列需明确指定，最终输出列数仅包含你明确指定的原列和新生成的列。

示例演示 #

先构造一个简单的数据框：

library(dplyr)
student_df <- tibble(
  student_id = 1:5,
  math_score = c(82, 95, 76, 88, 90)
)

使用 mutate() #

保留原有所有列，同时添加新的计算列：

student_mutate <- student_df %>%
  mutate(
    math_score_boost = math_score + 5,
    grade = case_when(
      math_score >= 90 ~ "A",
      math_score >= 80 ~ "B",
      TRUE ~ "C"
    )
  )

print(student_mutate)
# 输出包含原列 student_id、math_score，以及新列 math_score_boost、grade

使用 transmute() #

仅保留指定的原列和新生成的列，原列默认不保留：

student_transmute <- student_df %>%
  transmute(
    student_id,  # 明确保留原列 student_id
    math_score_double = math_score * 2,
    is_excellent = math_score >= 90
  )

print(student_transmute)
# 输出仅包含 student_id、math_score_double、is_excellent，原列 math_score 被丢弃

适用场景 #

• mutate() 适用场景：
  • 数据清洗或预处理阶段，需要保留原始数据字段，同时衍生新字段用于后续分析（比如保留原始分数，同时计算排名、等级）。
  • 链式操作中，需要基于原列和新生成的列继续进行计算（比如先算总分，再算平均分）。
• transmute() 适用场景：
  • 仅需要输出计算后的结果集，不需要保留全部原始数据（比如只需要学生ID和对应的等级，不需要原始分数）。
  • 减少数据框的列数，提升后续操作的效率（比如从宽表中仅提取关键衍生字段）。

内容的提问来源于stack exchange，提问作者Aswath Cm