如何在未指定的列例如匹配的正则表达式上执行条件突变？ 情况1：列操作情况2：逐行操作说明

编程问答 2022-06-03

问题描述

我有一个嵌套的data.frame-df_nested，其中一列包含df：

df <- tibble(ID_Value = 1:8,xyz001 = c("text4",NA,"text2"),xyz002 = c(NA,"text3","text1",NA),xyz003 = c(NA,"text2",NA))

我想根据这些要求找到一种方法来改变这个df：

  1. mutate(across(matches("\\d")
  2. 有4种情况-优先4级。 text4
  3. 如何应用这些条件而不指定列名，因为列名中可以有任何数字。
  4. 如果列包含所有NA，则不执行任何操作。

我的尝试：

df_nested <- df_nested %>%
    mutate(df = map(data,~.x %>%
       mutate(across(matches("\\dd"),function (x) {
                      conditions (ifelse,case_when or other)
                      ...}

此外，我们应该更好地使用across()，还是vars()还是一种很好的方法？ 预先谢谢你。

预期产量 

df <- tibble(ID_Value = 1:8,NA))

解决方法

您可以将rowwise与c_across结合使用：

library(dplyr)
library(tidyr)

df %>%
  rowwise() %>%
  mutate(col = suppressWarnings(max(c_across(matches('\\d+')),na.rm = TRUE)))

#  ID_Value xyz001 xyz002 xyz003 col  
#     <int> <chr>  <chr>  <chr>  <chr>
#1        1 tier4  NA     NA     tier4
#2        2 NA     NA     tier1  tier1
#3        3 NA     NA     NA     NA   
#4        4 NA     tier3  NA     tier3
#5        5 NA     tier1  tier2  tier2
#6        6 NA     NA     NA     NA   
#7        7 NA     NA     tier2  tier2
#8        8 tier2  NA     NA     tier2

对字符值取max没有意义（并生成警告），但是在这里我们可以使用它直接获取输出。

要只保留每一行的最大值，我们可以调整数据的形状：

df %>%
  pivot_longer(cols = -ID_Value) %>%
  group_by(ID_Value) %>%
  mutate(value = replace(value,-which.max(readr::parse_number(value)),NA)) %>%
  pivot_wider()

#  ID_Value xyz001 xyz002 xyz003
#     <int> <chr>  <chr>  <chr> 
#1        1 tier4  NA     NA    
#2        2 NA     NA     tier1 
#3        3 NA     NA     NA    
#4        4 NA     tier3  NA    
#5        5 NA     NA     tier2 
#6        6 NA     NA     NA    
#7        7 NA     NA     tier2 
#8        8 tier2  NA     NA
,
  1. 使用factor类型指定所需的顺序。
  2. 在比赛中进行按行或按列的操作。

考虑此功能

max_only <- function(x,lvls) {
  fct <- droplevels(factor(x,lvls))
  `[<-`(x,as.integer(fct) != length(levels(fct)),NA_character_)
}

然后您可以指定所需的任何订单

> max_only(c("apple","banana",NA_character_),c("banana","apple"))
[1] "apple" NA      NA     
> max_only(c("apple",c("apple","banana"))
[1] NA       "banana" NA

情况1：列操作

df %>% 
  mutate(across(matches("\\d"),max_only,c("tier1","tier2","tier3","tier4")))

输出（这看起来更像您的预期输出）

# A tibble: 8 x 4
  ID_Value xyz001 xyz002 xyz003
     <int> <chr>  <chr>  <chr> 
1        1 tier4  NA     NA    
2        2 NA     NA     NA    
3        3 NA     NA     NA    
4        4 NA     tier3  NA    
5        5 NA     NA     tier2 
6        6 NA     NA     NA    
7        7 NA     NA     tier2 
8        8 NA     NA     NA

情况2：逐行操作

df %>% 
  mutate(as.data.frame(t(apply(
    across(matches("\\d")),1L,"tier4")
  ))))

输出

# A tibble: 8 x 4
  ID_Value xyz001 xyz002 xyz003
     <int> <chr>  <chr>  <chr> 
1        1 tier4  NA     NA    
2        2 NA     NA     tier1 
3        3 NA     NA     NA    
4        4 NA     tier3  NA    
5        5 NA     NA     tier2 
6        6 NA     NA     NA    
7        7 NA     NA     tier2 
8        8 tier2  NA     NA

说明

  1. [<-几乎等同于x[...] <- y; x。如果...是逻辑向量（即TRUE / FALSE），则x中被TRUE索引的值将被y替换。例如，

     > x <- c("a","b","c")
 > `[<-`(x,c(FALSE,TRUE,TRUE),NA_character_)
 [1] "a" NA  NA 
 > x[c(FALSE,TRUE)] <- NA_character_; x
 [1] "a" NA  NA

  2. NA_character_是字符类型的NA值。

  3. as.integer(fct) != length(levels(fct))返回与fct相同长度的逻辑向量。 TRUE索引fct的值不是最高级别的位置，FALSE索引相反的位置，NA索引NAs。例如，假设fct看起来像这样

     > x <- c("apple",NA)
 > fct <- droplevels(factor(x,"pear")))
 > fct
 [1] apple  banana <NA>  
 Levels: apple banana

    然后，您可以看到

     > as.integer(fct) != length(levels(fct))
 [1]  TRUE FALSE    NA

  4. 总之，这仅意味着我们将NA_character_分配给不等于最高级别但保持NA不变的值。

    [<-(x,NA_character_)
anonymous-functionconditional-statementsdplyrdplyrlevelsmutatemutate