Question

我遇到一个问题，我有一个数据框列表，其中数据框的每一列在第一行中都有一个名称，在列中的某些位置有x-s。如果有x，则第一行中的名称将被视为已选中。在现实世界的问题中，我读了一个包含许多工作表的xlsx文件，其中每个工作表包含一个大矩阵：每列在第一行中有一个名称，而在一个有点稀疏的矩阵中有许多x-s。每个工作表成为数据框列表中的数据框。行名称包含一个与查找相关的标识符，但不包含此处所述的问题。

data1 <- data.frame(Col1 = c("Mark", "x", "", "x", "", ""),
                    Col2 = c("Paul", "", "", "", "x", ""),
                    Col3 = c("Jane", "", "", "", "", ""),
                    Col4 = c("Mary", "x", "x", "x", "", ""),
                    Col5 = c("Peter", "x", "x", "x", "", ""),
                    stringsAsFactors = FALSE)

data2 <- data.frame(Col1 = c("Mark", "x", "x", "", "", ""),
                    Col2 = c("Paul", "", "", "", "", ""),
                    Col3 = c("Jane", "", "", "", "", ""),
                    Col4 = c("Mary", "x", "", "x", "", ""),
                    Col5 = c("Peter", "x", "x", "", "", ""),
                             stringsAsFactors = FALSE)

data <- list(data1 = data1, data2 = data2)

列表中的每个数据框都具有以下结构（为方便起见，显示为矩阵），其中列表中的每个数据帧的名称相同。只有x-s是不同的：

> as.matrix(data1)
     Col1   Col2   Col3   Col4   Col5   
[1,] "Mark" "Paul" "Jane" "Mary" "Peter"
[2,] "x"    ""     ""     "x"    "x"    
[3,] ""     ""     ""     "x"    "x"    
[4,] "x"    ""     ""     "x"    "x"    
[5,] ""     "x"    ""     ""     ""     
[6,] ""     ""     ""     ""     ""

我想在列表中的每个数据框中添加一列（“审批者”），如果列中有“x”，则列中第1行的名称串联，如下所示：

     Col1   Col2   Col3   Col4   Col5    Approvers          
[1,] "Mark" "Paul" "Jane" "Mary" "Peter" ""                 
[2,] "x"    ""     ""     "x"    "x"     "Mark; Mary; Peter"
[3,] ""     ""     ""     "x"    "x"     "Mary; Peter"      
[4,] "x"    ""     ""     "x"    "x"     "Mark; Mary; Peter"
[5,] ""     "x"    ""     ""     ""      "Paul"             
[6,] ""     ""     ""     ""     ""      ""

目前我分两步解决这个问题：

我创建另一个列表，其中包含每个x
在嵌套的for循环中，我查找第一行中的所有名称并将它们连接起来。

代码如下：

position <- lapply(data, function(x) apply(x, 1, function(y) which(y %in% "x")))
position <- lapply(position, function(x) lapply(x, function(y) {if (length(y) == 0L) return(0) else return(y)})) # remove int(0) and replace with 0
position <- lapply(position, function(x) lapply(x, function(x) paste(x, collapse = ","))) # flatten second level list into string


for (i in 1:length(data)) {
  for (j in 1:nrow(data[[i]])) {
    if (as.numeric(unlist(strsplit(position[[i]][[j]], ",")))[[1]] == 0) {
      data[[i]][j, "Approvers"] <- ""
    } else {
      data[[i]][j, "Approvers"] <- paste(data[[i]][1, as.numeric(unlist(strsplit(position[[i]][[j]], ",")))], collapse = "; ")
    }
  }
}

对我来说，这是笨拙的，我想通过同时循环遍历这两个列表来使用lapply和mapply这样做，但我无法弄清楚如何做到这一点。此外，创建位置对象并将x-s的列索引折叠为字符串并将它们分离到循环中过于复杂。

Answer 1

我们可以使用lapply循环list，然后将apply循环遍及行，paste将第一行的元素放在一起，其值为{{1 }}：

注意：似乎数据集的res <- lapply(data, function(x) { x$Approvers <- apply(x, 1, FUN = function(y) paste(x[1,][y =="x"], collapse=";")) x}) res #$data1 # Col1 Col2 Col3 Col4 Col5 Approvers #1 Mark Paul Jane Mary Peter #2 x x x Mark;Mary;Peter #3 x x Mary;Peter #4 x x x Mark;Mary;Peter #5 x Paul #6 #$data2 # Col1 Col2 Col3 Col4 Col5 Approvers #1 Mark Paul Jane Mary Peter #2 x x x Mark;Mary;Peter #3 x x Mark;Peter #4 x Mary #5 #6应该是“Mark＆＃39;”＆＃39; Paul＆＃39;而不是＆＃39; Col1＆＃39;，＆＃39; Col2＆＃39;，..

Answer 2

作为替代方案，整理这些数据可能是值得的，因此更容易操作和推理。此外，如果返回完整的NAs行，则可能并不总是需要您想要的输出。此处的代码重新构建您的数据框，以便列名成为人名。然后它重新整形数据，以便有两列，name和原始数据帧（row_ix）中的行索引，其中＆＃34; x＆＃34;出现在该名称列中。然后我将NAs，组row_ix放下并将名称粘贴在一起，返回更整洁的数据帧。

我很欣赏这一点，但是以更整洁的方式存储数据可以为您节省长期的问题。

library(dplyr)
library(purrr)
library(tidyr)
library(magrittr)

data %>% 
  map(function(x) #map function to all dataframes in list
  x %>% set_colnames(.[1, ]) %>% # set column names equal to first row values
  dmap(~ifelse(. == "x", seq_along(.), NA)) %>% # check for "x" in all rows of all columns
  gather(name, row_ix) %>% # reshape from wide to long, call new columns name and row_ix
  drop_na() %>% # drop NAs in the dataframe
  group_by(row_ix) %>% # group by row index
  summarise(approvers = paste0(name, collapse = ";")) # concatenate names from each group
  )

$data1
# A tibble: 4 × 2
  row_ix       approvers
   <int>           <chr>
1      2 Mark;Mary;Peter
2      3      Mary;Peter
3      4 Mark;Mary;Peter
4      5            Paul

$data2
# A tibble: 3 × 2
  row_ix       approvers
   <int>           <chr>
1      2 Mark;Mary;Peter
2      3      Mark;Peter
3      4            Mary

使用apply函数迭代两个列表

2 个答案: