根据条件替换组

Posted 2023-02-14

【中文标题】根据条件替换组

【英文标题】：replace groups based on condition

【发布时间】：2019-05-20 01:11:02

【问题描述】：

我有一个 data.frame (df)，参见示例，其中包含有关人员的信息。根据一个关键列 (sleutel)，我知道人们是否住在一起（例如组成一个家庭）。现在，我需要创建新列，其中包含有关家庭“负责人”的信息。

     name   sex gzverh   sleutel gzhfd lft
1 Loekens   Man      6  1847LS 9     3  49
2   Kemel Vrouw      5 1847LK 10     2  18
3   Kemel   Man      5 1847LK 10     2  22
4 Boersma Vrouw      4 1847LK 10     2  52
5   Kemel   Man      2 1847LK 10     1  54

例如：第 5 行，Kemel，Male 和 gzhfd 1（= Kemel 家族的负责人）。他嫁给了夫人。 Boersma（同一个键）。我想改变一个新列（lfthb），其中包含所有家庭成员的户主年龄。所以应该变成这样：

     name  sex  gzverh   sleutel gzhfd lft lfthb
1 Loekens   Man      6  1847LS 9     3  49    NA
2   Kemel Vrouw      5 1847LK 10     2  18    54
3   Kemel   Man      5 1847LK 10     2  22    54
4 Boersma Vrouw      4 1847LK 10     2  52    54
5   Kemel   Man      2 1847LK 10     1  54    54

我使用group_by、case_when 和if_else 语句的多种组合对dplyr 进行了多种尝试。我设法改变了一家之主的专栏。但不适用于其他成员。

例如，显然只改变了头部本身的值：

df <- df %>% mutate(lfthb  = case_when(sleutel == lag(sleutel) & gzhfd == 1 ~ lft))

但是如何在~ 之后包含gzhfd == 1？

示例数据的输入：

structure(list(naam = c("Loekens", "Kemel", "Kemel", "Boersma", 
"Kemel"), gesl = c("Man", "Vrouw", "Man", "Vrouw", "Man"), gzverh = c(6L, 
5L, 5L, 4L, 2L), sleutel = c("1847LS 9", "1847LK 10", "1847LK 10", 
"1847LK 10", "1847LK 10"), gzhfd = c(3, 2, 2, 2, 1), lft = c(49, 
18, 22, 52, 54)), row.names = c(NA, 5L), class = "data.frame")

【参考方案1】：

replace 和 ifelse 的组合将完成这项工作，即，

library(tidyverse)

df %>% 
 group_by(sleutel) %>% 
 mutate(lfthb = ifelse(any(gzhfd == 1), replace(lft, gzhfd != 1, lft[gzhfd == 1]), NA))

给出，

# A tibble: 5 x 7
# Groups:   sleutel [2]
  naam    gesl  gzverh sleutel   gzhfd   lft lfthb
  <chr>   <chr>  <int> <chr>     <dbl> <dbl> <dbl>
1 Loekens Man        6 1847LS 9      3    49    NA
2 Kemel   Vrouw      5 1847LK 10     2    18    54
3 Kemel   Man        5 1847LK 10     2    22    54
4 Boersma Vrouw      4 1847LK 10     2    52    54
5 Kemel   Man        2 1847LK 10     1    54    54

正如@Ronak 提到的，我们可以省略replace 部分

df %>% 
 group_by(sleutel) %>% 
 mutate(lfthb = if (any(gzhfd == 1)) lft[gzhfd == 1] else NA)

【参考方案2】：

data.table 方法（对于缺少数据的组返回 -INF 而不是 NA）：

dt<-df %>% as.data.table() %>% 
  .[gzhfd==1, lfthb := lft, by="sleutel"] %>% 
  .[,lfthb:= max(lfthb,na.rm = T), by="sleutel"]