R中的条件数据框突变与magrittr和dplyr

Posted 2023-02-16

【中文标题】R中的条件数据框突变与magrittr和dplyr

【英文标题】：Conditional dataframe mutations in R with magrittr and dplyr

【发布时间】：2016-03-13 15:52:10

【问题描述】：

我想使用 magrittr 和 dplyr 的简洁性来根据其他列中的值在列子集中的行之间复制单个值。这是一个简单的例子；我想将这个想法应用到具有多个条件的大型数据集的许多列中。

取数据框df <- data.frame(a = 1:5, b = 6:10, x = 11:15, y = 16:20):

a   b   x   y

1   6   11  16
2   7   12  17
3   8   13  18
4   9   14  19
5   10  15  20

对于a = 5所在的行，我想将x和y的值替换为b = 7所在行的值，给出：

a   b   x   y

1   6   11  16
2   7   12  17
3   8   13  18
4   9   14  19
5   10  12  17

此尝试失败：

foo <- function(x)ifelse(df$a == 5, df[df$b == 7, .(df$x)], x)
df %<>%  mutate_each(funs(foo), x, y)

我能得到的最接近的是：

bar <- function(x)ifelse(df$a == 5, df[df$b == 7, "x"], x)
df %<>%  mutate_each(funs(bar), x, y)

但这是不正确的，因为它将两个值都替换为来自x 的值，而不是分别替换为x 和y。

感谢您的建议。

【问题讨论】：

%<>% 和 %>% 之间的区别是什么？

x %<>% f 来自magrittr 包，相当于普通模式x <- x %>% f。

%>% 也来自magrittr 包...

@DavidArenburg %>% 将仅在加载 dplyr 的情况下工作，而目前使用 CRAN 版本，使用 %<>% 需要加载 magrittr。没错，%>% 来自 magrittr 到 dplyr，但对于最终用户来说，知道要加载哪些包更相关！

@antoine-sac 好吧，这就是你的意见，伙计。

【参考方案1】：

您可以使用mutate_each 和replace 来做到这一点：

df %>% mutate_each(funs(replace(., a==5, nth(., which(b==7)))), x, y)

输出：

  a  b  x  y
1 1  6 11 16
2 2  7 12 17
3 3  8 13 18
4 4  9 14 19
5 5 10 12 17

或者根据@docendodiscimus 的评论，它可以进一步缩短为（并且可能[ 也比which 更好）：

df %>% mutate_each(funs(replace(., a==5, .[b==7])), x, y)

【讨论】：

谢谢，但我想将此方法应用于可能在其他地方定义的大量列，因此这将很快变得笨拙。

@PatrickHogan 我没有在你的问题中注意到这一点。我也许可以调整上面的代码。

更新了答案。现在我认为这应该符合您的需求。

不错的一个！可以缩短为df %>% mutate_each(funs(replace(., a==5, .[b==7])), x, y)

啊，很好的改进@docendodiscimus 谢谢。我也加一下。

【参考方案2】：

仅提及data.table 解决方案是：

require(data.table)
setDT(df)[a == 5, c("x", "y") := df[b == 7, .SD, .SDcols = c("x", "y")]]

> df
   a  b  x  y
1: 1  6 11 16
2: 2  7 12 17
3: 3  8 13 18
4: 4  9 14 19
5: 5 10 12 17

或者，您也可以使用：

cols <- c("x", "y")
setDT(df)[a == 5, (cols) := df[b == 7, .SD, .SDcols = cols]]
# or 
cols <- c("x", "y")
setDT(df)[a == 5, (cols) := df[b == 7, cols, with = FALSE]]

【讨论】：

DT <- setDT(df) 几乎没有意义。因为df 现在也是一个 data.table 并且已通过引用更新。

@Arun：我完全同意。当我开始使用data.table 时，通过引用更新 的概念对我来说非常陌生。当问题要求dplyr 解决方案时，我认为我的答案更容易理解。

我明白了.. 那么最好使用 as.data.table 。还使用with=FALSE 或.SD + .SDcols 将有助于表明它很容易扩展到许多列。

@Arun：看看我的编辑。我不明白您使用with=FALSE 是什么意思。随意编辑。

我冒昧地改进了您的答案。希望你不要介意。

【参考方案3】：

如果您的主要要求是在更长的 dplyr 管道中应用该函数，您可以执行以下示例：

foo <- function(df, cols = c("x", "y")) 
  df[df$a == 5, cols] <- df[df$b == 7, cols]
  df


df %>% ... %>% foo(c("x", "y")) %>% ... 
#  a  b  x  y
#1 1  6 11 16
#2 2  7 12 17
#3 3  8 13 18
#4 4  9 14 19
#5 5 10 12 17