Question

假设我们在数据框 df1 和列中有很多数据列（名称 mycols 以及一些在这种情况下不应处理的未命名数据列） subj ，它也是另一个数据框 df2 的索引，列 repl 和 subj （在此第二个数据框中< strong> subj unique）和许多其他非重要的列（它们唯一的作用是，我们不能假设只有2列）。

我想以这样的方式替换列的子集（ df1 [，mycols] ），如果存在 NA （ df1 [ ，mycols] [is.na（df1 [，mycols]）] ）＆lt; - 替换为 df2 $ repl 列，其中 df2 df2 $ subj = df1 $ subj 。

编辑：示例数据（我不知道将其写为数据帧分配的命令）：

mycols = c("a","b") df1: subj a b c 1 NA NA 1 1 2 3 5 2 0 NA 2 3 8 8 8 df2: subj repl notinterested 1 5 1000 2 6 0 3 40 10 result: df1-transformed-to: subj a b c 1 5 5 1 #the 2 fives appeared by lookup 1 2 3 5 2 0 6 2 #the 6 appeared 3 8 8 8

我想出了以下代码：

df1[,mycols][is.na(df1[,mycols])] <- df2[match( df1$subj, df2$subj),"repl"]

但问题是（我认为），右侧与左侧的尺寸不同 - 我认为它可能适用于＆＃34; mycols ＆＃34中的一列;但是我想对所有 mycols 执行相同的操作（如果 NA ，请查看表 df2 并替换 - 替换值是同样在行的范围内。）

（另外，我需要按名称 mycols 列出每列明确的列，因为可能还有其他列）

作为关于编程风格的奖励 - 在R中，什么是编写此操作的好方法？如果它是一种程序性语言，我们可以转换

df1[,mycols][is.na(df1[,mycols])]

我认为更好，更可读的方法：

function(x){ *x[is.na(*x)] } function(& df1[,mycols])

并且确定，没有任何东西被不必要地从一个地方复制到另一个地方。

Answer 1

使用您的代码，我们需要replicate'repl'列以使两个子集数据集相等，然后像您一样分配值

 val <- df2$repl[match(df1$subj, df2$subj)][row(df1[mycols])][is.na(df1[mycols])]
 df1[mycols][is.na(df1[mycols])] <- val
 df1
 #  subj a b c
 #1    1 5 5 1
 #2    1 2 3 5
 #3    2 0 6 2
 #4    3 8 8 8

使用data.table

的另一个选项

 library(data.table)#v1.9.5+
 DT <- setDT(df1, key='subj')[df2[c('subj', 'repl')]]
 for(j in mycols){
   i1 <- which(is.na(DT[[j]]))
   set(DT, i=i1, j=j, value= DT[['repl']][i1])
   }
 DT[,repl:= NULL]
 #   subj a b c
 #1:    1 5 5 1
 #2:    1 2 3 5
 #3:    2 0 6 2
 #4:    3 8 8 8

或dplyr

 library(dplyr)
 left_join(df1, df2, by='subj') %>%
        mutate_each_(funs(ifelse(is.na(.),repl,.)), mycols) %>% 
        select(a:c)
 #  a b c
 #1 5 5 1
 #2 2 3 5
 #3 0 6 2
 #4 8 8 8

数据

 df1 <-  structure(list(subj = c(1L, 1L, 2L, 3L), a = c(NA, 2L, 0L, 8L 
 ), b = c(NA, 3L, NA, 8L), c = c(1L, 5L, 2L, 8L)), .Names = c("subj", 
 "a", "b", "c"), class = "data.frame", row.names = c(NA, -4L))

 df2 <- structure(list(subj = 1:3, repl = c(5L, 6L, 40L),
 notinterested = c(1000L, 
 0L, 10L)), .Names = c("subj", "repl", "notinterested"), 
 class = "data.frame", row.names = c(NA, -3L))

Answer 2

以下是使用ifelse()的可能解决方案：

mycols <- c('a','b');
df1 <- data.frame(subj=c(1,1,2,3), a=c(NA,2,0,8), b=c(NA,3,NA,8), c=c(1,5,2,8) );
df2 <- data.frame(subj=c(1,2,3), repl=c(5,6,40), notinterested=c(1000,0,10) );
df1[mycols] <- ifelse(is.na(df1[mycols]),matrix(df2[match(df1$subj,df2$subj),'repl'],nrow(df1),length(mycols)),as.matrix(df1[mycols]));
df1;
##   subj a b c
## 1    1 5 5 1
## 2    1 2 3 5
## 3    2 0 6 2
## 4    3 8 8 8

Answer 3

使用基础R执行此操作的一种方法：

mycols = c("a","b")
df1 <- read.table(text="subj a  b  c
1    NA NA 1
1    2  3  5
2    0  NA 2
3    8  8  8", header = TRUE)
df2 <- read.table(text="subj repl notinterested
1     5    1000
2     6    0
3     40   10", header = TRUE)
df1[mycols] <- lapply(df1[mycols], function(x) {
  x[is.na(x)] <- df2$repl[match(df1$subj[is.na(x)], df2$subj)]; x})

R条件通过查找

3 个答案:

数据