如何根据列组前缀替换列组的空白？

Posted 2023-02-22

【中文标题】如何根据列组前缀替换列组的空白？

【英文标题】：How to replace blanks for groups of columns based on column group prefix?

【发布时间】：2017-02-13 19:51:01

【问题描述】：

如何根据是否存在以相同前缀开头的其他列中的值来将列中的 NA 替换为全 0？例如，对于 A1 列，我只想将 NA 替换为 0，其中 A2 或 A3 列是 NONBLANK。我的真实数据有数百组列。

我的数据：

ID<-c(1,2,3,4,5,6,7,8)
A1<-c(1,NA,1,NA,1,1,1,NA)
A2<-c(1,NA,NA,1,NA,1,NA,NA)
A3<-c(1,NA,NA,NA,1,NA,NA,NA)
B1<-c(1,1,1,1,1,1,NA,1)
B2<-c(1,1,1,1,NA,1,NA,NA)
B3<-c(1,1,NA,NA,1,NA,NA,NA)

mydata<-cbind.data.frame(ID,A1,A2,A3,B1,B2,B3)

拥有：

通缉：

如果 A2 或 A3 列有 1，则 A1 列中的 0 应替换 NA。如果 A1 或 A3 列中有 1，则 A2 列中的 0 应替换 NA，依此类推，如下所示：

【问题讨论】：

部分答案，因为我必须跑去开会，但是您可以使用以下命令索引 A1 和 A2 中的非缺失值： mydata[!is.na(mydata[c('A1',' A2')])

【参考方案1】：

另一种方法是

mydata[, 2:4][is.na(mydata[, 2:4])] <- rep(NA^(rowSums(is.na(mydata[2:4])) == 3) - 1,
                                           length(2:4))[is.na(mydata[, 2:4])]
mydata[, 5:7][is.na(mydata[, 5:7])] <- rep(NA^(rowSums(is.na(mydata[5:7])) == 3) - 1,
                                           length(5:7))[is.na(mydata[, 5:7])]

mydata
  ID A1 A2 A3 B1 B2 B3
1  1  1  1  1  1  1  1
2  2 NA NA NA  1  1  1
3  3  1  0  0  1  1  0
4  4  0  1  0  1  1  0
5  5  1  0  1  1  0  1
6  6  1  1  0  1  1  0
7  7  1  0  0 NA NA NA
8  8 NA NA NA  1  0  0

---

列值是硬编码的，这对许多组没有帮助，所以按照@haboryme 的技术，你可以这样做

# group columns into list elements with lapply and grep
myCols <- lapply(c("A", "B"), function(i) grep(i, colnames(mydata)))

# loop through and make changes
for(i in myCols) 
  mydata[, i][is.na(mydata[, i])] <- rep(NA^(rowSums(is.na(mydata[i])) == 3) - 1,
                                         length(i))[is.na(mydata[, i])]

【参考方案2】：

使用lapply() 的自定义函数：泛化为具有任意数量的列，只要它们遵循这种具有单个字母的模式

func <- function(x)
  df <- mydata[grepl(x, colnames(mydata))] # extract only the same letter columns
  m <- !is.na(df)          # create a logical matrix to know which all are NA's
  i = which(rowSums(m)!=0) # if all had NA's then summ will be 0. so avoid that
  df[i,][is.na(df[i,])] <- 0 # insert wherever NA's to be 0( but only in those rows decided above)
  return(df)
  

data.frame(ID = mydata$ID,lapply(LETTERS[1:2], func))
#  ID A1 A2 A3 B1 B2 B3
#1  1  1  1  1  1  1  1
#2  2 NA NA NA  1  1  1
#3  3  1  0  0  1  1  0
#4  4  0  1  0  1  1  0
#5  5  1  0  1  1  0  1
#6  6  1  1  0  1  1  0
#7  7  1  0  0 NA NA NA
#8  8 NA NA NA  1  0  0

【参考方案3】：

基础R 中的未完善答案，但似乎有效：

for(i in unique(gsub("\\d","",colnames(mydata)[-1])))
  mydata[apply(mydata[,grepl(i,colnames(mydata))],1,function(x) any(!is.na(x))),grepl(i,colnames(mydata))][is.na(mydata[apply(mydata[,grepl(i,colnames(mydata))],1,function(x) any(!is.na(x))),grepl(i,colnames(mydata))])]<-0

这给出了：

  ID A1 A2 A3 B1 B2 B3
1  1  1  1  1  1  1  1
2  2 NA NA NA  1  1  1
3  3  1  0  0  1  1  0
4  4  0  1  0  1  1  0
5  5  1  0  1  1  0  1
6  6  1  1  0  1  1  0
7  7  1  0  0 NA NA NA
8  8 NA NA NA  1  0  0

编辑： 这个想法是从示例中的colnames(mydata)、A 和B 中提取unique 字母，方法是将数字（\\d）替换为空白""。 然后循环遍历这些字母以选择以它开头的列。这就是 grepl(i,colnames(mydata)) 所做的。apply 用于获取至少有 (any()) 一个非 NA 值 (!is.na()) 的行的向量：apply(mydata[,grepl(i,colnames(mydata))],1,function(x) any(!is.na(x)))。 然后将所有内容组合成它本质上的df[is.na(df))]<-0，但df 对应于以给定字母分层的列，并且应该替换NA 的行。df 将是：@987654339 @

【讨论】：

您应该在一些水平和垂直空白处进行编辑以使其更具可读性。

【参考方案4】：

两个 tidyverse 选项；哪个更实用取决于您的实际数据的维度。两者都有条件地利用coalesce。

手动：

library(tidyverse)

mydata %>% rowwise() %>%    # group by row
    mutate_at(vars(starts_with('A')),    # for A prefixes, coalesce if not all NA
              funs(ifelse(all(is.na(c(A1, A2, A3))), ., coalesce(., 0)))) %>% 
    mutate_at(vars(starts_with('B')),    # likewise for B
              funs(ifelse(all(is.na(c(B1, B2, B3))), ., coalesce(., 0))))

## Source: local data frame [8 x 7]
## Groups: <by row>
## 
## # A tibble: 8 × 7
##      ID    A1    A2    A3    B1    B2    B3
##   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1     1     1     1     1     1     1     1
## 2     2    NA    NA    NA     1     1     1
## 3     3     1     0     0     1     1     0
## 4     4     0     1     0     1     1     0
## 5     5     1     0     1     1     0     1
## 6     6     1     1     0     1     1     0
## 7     7     1     0     0    NA    NA    NA
## 8     8    NA    NA    NA     1     0     0

或以编程方式进行整形：

mydata %>% gather(var, val, -ID) %>%    # reshape to long
    group_by(ID, letter = substr(var, 1, 1)) %>%    # group by ID and prefix
    mutate(val = if(all(is.na(val))) val else coalesce(val, 0)) %>% 
    ungroup() %>% select(-letter) %>% spread(var, val)    # clean up

## # A tibble: 8 × 7
##      ID    A1    A2    A3    B1    B2    B3
## * <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1     1     1     1     1     1     1     1
## 2     2    NA    NA    NA     1     1     1
## 3     3     1     0     0     1     1     0
## 4     4     0     1     0     1     1     0
## 5     5     1     0     1     1     0     1
## 6     6     1     1     0     1     1     0
## 7     7     1     0     0    NA    NA    NA
## 8     8    NA    NA    NA     1     0     0

如果前缀可以超出单个字母，请将substr 替换为合适的正则表达式，例如sub('\\d+$', '', var).