Question

这可能是一个非常简单的问题，但是我尝试搜索它，但是没有找到解决方案。

我有一个由65列和350万行组成的广泛数据集。该日期如下：

GR SR var1 var2 var3 var4 var5 var6 var6

1 2   ""   ""   ""   ""   ""   x    


1  2   x    x    x   ""    ""  ""   

1  2   ""   ""   ""  ""   ""   ""   

1  3   x    x   x   x  "" "" 

1  3   "" ""  "" "" "" ""

"" = NULL

我想根据其他变量将变量1更新为6。因此，对于每个GR和SR，如果var1至var6包含x，则需要使用x更新。这将导致下表：

GR SR var1 var2 var3 var4 var5 var6

1 2 x x x "" "" x 

1 2 x x x "" "" x 

1 2 x x x "" "" x    

1 3 x x x x "" "" 

1 3 x x x x "" ""

找到这些记录后，我想删除重复的记录，但是我知道如何使用Unique表library(data.table)

来做到这一点。

有人知道该怎么做吗？

Answer 1

非常容易用data.table语法完成：

library(data.table)
setDT(my_data)
cols = paste0('var', 1:6)
my_data[ , by = .(GR, SR), 
        (cols) := lapply(.SD, function(x) if (any(x == 'x')) 'x' else '')]

如果我没记错的话，您只需删除(cols) :=部分即可同时完成两个步骤（即也获得unique）：

my_data[ , by = .(GR, SR), 
        lapply(.SD, function(x) if (any(x == 'x')) 'x' else '')]

Answer 2

以下是在fill()中使用tidyr（首先加载tidyverse）的解决方案：

df %>% group_by(GR, SR) %>%
  fill(starts_with("var")) %>%
  fill(starts_with("var"), .direction = "up")

#      GR    SR var1  var2  var3  var4  var5  var6 
#   <int> <int> <chr> <chr> <chr> <chr> <chr> <chr>
# 1     1     2 x     x     x     NA    NA    x    
# 2     1     2 x     x     x     NA    NA    x    
# 3     1     2 x     x     x     NA    NA    x    
# 4     1     3 x     x     x     x     NA    NA   
# 5     1     3 x     x     x     x     NA    NA

我认为空元素是NA。如果它们是字符串""，则需要将它们转换为NA，否则上面的代码将不起作用。

# How to recode all "" to NA?
# Insert the following code between group_by() and fill()
mutate_all(funs(na_if(., ""))) %>%

# data
df <- structure(list(GR = c(1L, 1L, 1L, 1L, 1L),
SR = c(2L, 2L, 2L, 3L, 3L), var1 = c(NA, "x", NA, "x", NA),
var2 = c(NA, "x", NA, "x", NA), var3 = c(NA, "x", NA, "x", NA),
var4 = c(NA, NA, NA, "x", NA), var5 = c(NA_character_, NA_character_,
NA_character_, NA_character_, NA_character_), var6 = c("x", NA, NA, NA, NA)),
class = "data.frame", row.names = c(NA, -5L))

根据2列分组值

2 个答案: