dplyr 基于具有不同后缀的其他列进行变异

Posted

技术标签:

【中文标题】dplyr 基于具有不同后缀的其他列进行变异【英文标题】:dplyr mutate based on other column with different suffix 【发布时间】:2021-06-07 21:18:21 【问题描述】:

我有一个类似的数据框:

df <- data.frame(a_1_1 = c(1, 0, 1), a_1_2=c(1,0,0),a_2_1=c(1,0,0), a_2_2=c(1,0 ,1), b=c(2,3,4))

我想通过比较具有相同前缀的列来创建新变量,方法如下:

df <- df %>% mutate(a_1=case_when((a_1_1==1 | a_1_2==1)~"A", TRUE ~ "B")) %>% 
mutate(a_2=case_when((a_2_1==1 | a_2_2==1)~"A", TRUE ~ "B"))

但是在我的真实数据中,我有很多以“a_*”开头的变量,所以我想创建这些变量,而不是为每个变量一次做一次。

【问题讨论】:

【参考方案1】:

across 的选项通过循环遍历以 'a' 开头的列,然后是 _ 和一些数字,然后是 _ 和字符串末尾的数字 1 ($),在该列 (.) 上使用 case_when,并通过将列名称 (cur_column()) 更改为 str_replace,将相应列返回的值 (get) 指定为新列的后缀为 @ 987654330@,然后在下一步中将这些列重命名为rename_with

library(dplyr)
library(stringr)
df %>% 
  mutate(across(matches('^a_\\d+_1$'), 
   ~ case_when(. == 1| get(str_replace(cur_column(), '_\\d+$', '_2')) == 1 ~ 'A',
      TRUE ~ 'B'), .names = '.col_new')) %>%
  rename_with(~ str_remove(., '_\\d+_new'), ends_with('new'))

-输出

#  a_1_1 a_1_2 a_2_1 a_2_2 b a_1 a_2
#1     1     1     1     1 2   A   A
#2     0     0     0     0 3   B   B
#3     1     0     0     1 4   A   A

或者另一种选择是使用pivot_longer 重塑为“长”格式并更容易进行比较以创建新列,使用pivot_wider 将其重塑为宽格式,然后将这些新列绑定到原始数据

library(tidyr)
df %>%
  select(-b) %>% 
  mutate(rn = row_number()) %>%
  pivot_longer(cols = -rn, names_to = c('grp', '.value'),
      names_sep = "_(?=\\d+$)") %>% 
  transmute(rn, grp, val = case_when(`1` == 1|`2` == 1 ~ 'A',
       TRUE ~ 'B')) %>% 
  pivot_wider(names_from = grp, values_from = val) %>% 
  select(-rn) %>% 
  bind_cols(df, .)

或者使用base Rsplit.default

df[paste0("a_", 1:2)] <- ifelse(
     sapply(split.default(df[startsWith(names(df), "a_")],  
     sub("_\\d+$", "", grep("^a_", names(df), value = TRUE))),
      rowSums) > 0, 'A', 'B')

或者使用for 循环

nm1 <- unique(sub("_\\d+$", "", grep('^a_\\d+', names(df), value = TRUE)))
for(nm in nm1) df[[nm]] <- ifelse(rowSums(df[startsWith(names(df), 
      nm)]) > 0, "A", "B")

【讨论】:

以上是关于dplyr 基于具有不同后缀的其他列进行变异的主要内容,如果未能解决你的问题,请参考以下文章

dplyr 使用条件列和特定行进行变异

如何在dplyr中基于ntile()-groups应用变异?

R dplyr 在列索引上发生变异

使用 dplyr contains() 基于多个字符串选择列

如何基于每个数据框中具有不同名称的两列将两个数据框与 dplyr 连接起来? [复制]

带有 dplyr 的用户定义函数 - 变异列是一个参数