Question

我有一个数据集，其中包含我想要合并的列：

library(data.table)
DF <- as.data.table(list(ID = c(1,2,3,4,5), Product = c('Y', NA, NA, 'Z', NA), Type = c(NA, 'D', 'G', NA, NA)))

DF
ID   Product Type
1       Y     NA
2       NA    D
3       NA    G
4       Z     NA
5       NA    NA

我希望看起来像这样：

DF
ID   Product Type  Category
1       Y     NA      Y
2       NA    D       D
3       NA    G       G
4       Z     NA      Z
5       NA    NA      NA

我的代码是：

  DF[,Category := na.omit(c(Product,Type)), by = ID][,c("Product","Type"):=NULL]

我遇到的问题是，当Category和NA都是Product时，我希望Type为NA。另外，我不知道我的代码是否有效，因为我的数据集有超过200,000行。

Answer 1

DF[ , Category := ifelse(is.na(Product), Type, Product)]

#   ID Product Type Category
#1:  1       Y   NA        Y
#2:  2      NA    D        D
#3:  3      NA    G        G
#4:  4       Z   NA        Z
#5:  5      NA   NA       NA

如果Product和Type都有值，则假设您需要Product中的Category

Answer 2

我们可以在两个作业中执行此操作，并避免ifelse因为作业（:=）更快更有效。

DF[, Category := Product][is.na(Product), Category := Type][]
#      ID Product Type Category
#1:  1       Y   NA        Y
#2:  2      NA    D        D
#3:  3      NA    G        G
#4:  4       Z   NA        Z
#5:  5      NA   NA       NA

或者，如果我们假设产品/类型每行最多只有1个非NA值，则可以使用pmax。

DF[, Category := pmax(Product, Type, na.rm = TRUE)][]
#    ID Product Type Category
#1:  1       Y   NA        Y
#2:  2      NA    D        D
#3:  3      NA    G        G
#4:  4       Z   NA        Z
#5:  5      NA   NA       NA

基准

DF1 <- DF[rep(1:nrow(DF), 1e6)]
DF2 <- copy(DF1)
DF3 <- copy(DF1)
system.time(DF1[, Category := Product][is.na(Product), Category := Type])
#  user  system elapsed 
#  0.16    0.06    0.17 
system.time(DF2[ , Category := ifelse(is.na(Product), Type, Product)])
#  user  system elapsed 
#  1.35    0.19    1.53 

system.time(DF3[ ,Category := pmax(Product, Type, na.rm = TRUE)])
#  user  system elapsed 
#  0.04    0.02    0.06

编辑：更新了基准，它清楚地显示了我的帖子中提到的两种方法都是有效的。

合并R中的2列

2 个答案:

基准