Question

以前很难解决这个问题。因此，有效地尝试在宽数据框中选择单元格，其中一列中的值包含在列名的字符串中。我通常在我的工作流程中使用tidyverse，并且无法使该节中的任何内容正常工作。尝试应用，用于遍历行。有一些东西可以工作，但是速度很慢。所附的数据帧摘要只是180万行数据帧的前10行。因此，在这里不可能使用tidy::gather。关于如何实现此目标的任何想法都将很有用，因为它比我预期的要频繁得多。

Data can be found here

library(tidyverse)
library(foreach)

df <- read_csv('test_data.csv')

因此，我在这里尝试查找包含在fire_year宽字段中的var_变量。例如，在这里，如果fire_year = 1998，那么我想捕获名为var_1998的列中的值。这是我所能获得的最接近解决方案的方法（它可以工作！），但是它在整个数据帧上永远都需要花费时间：

df_slim <- foreach(df=iter(df, by='row'), .combine=rbind, 
                  .packages = c('dplyr', "tidyverse")) %do% {
                    df_out <- df %>%
                      gather(key = key, value = out_var, -fpa_id, -fire_year) %>%
                      separate(key,
                               into = c("tmp1", 'zyear'),
                               sep = "_") %>%
                      mutate(var = ifelse(fire_year == zyear, out_var, NA)) %>%
                      na.omit() %>%
                      dplyr::select(fpa_id, fire_year, var)
                    return(df_out)
                  }

我无法找到快速有效的方式来完成我的一生！至此，我已经计算出在170万行数据帧上完成此for循环将需要160个小时！如果有人可以指出正确的方向，我将永远感激不已！

谢谢！

Answer 1

我不是100％确定您需要什么，但这是我的看法（使用data.table）

library(data.table)

    dt <- data.table(test_data)

    setkey(dt, "fire_year")
    for(i in unique(dt[["fire_year"]])){
      dt[fire_year == i, var:= get(paste("var", i, sep = "_"))]
    }

然后将所需的cols子集

dt_slim <- dt[,.SD, .SDcols = c("fpa_id", "fire_year", "var")]
dt_slim

        fpa_id fire_year var
 1: FS-1418827      2004   0
 2: FS-1418835      2004   9
 3: FS-1418845      2004   0
 4: FS-1418847      2004   0
 5: FS-1418849      2004   0
 6: FS-1418851      2004   0
 7: FS-1418859      2004   0
 8: FS-1418826      2005   0
 9: FS-1418854      2005   0
10: FS-1418856      2005 114

未经180万行测试。应该相对快速。尽管对时间感兴趣...

否则，列名称字符串中包含单元格

1 个答案: