Question

我有一个如下数据框：

ID     COL01_A  COL01_B   COL02_A COL02_B  ... COL12_A  COL12_B
1      01       19990101  03      20000101 ... FF       ""
2      03       20170810  FA      20120303 ... ""       ""
3      GG       19940508  DD      20000101 ... 03       20060808
4      03       20180101  09      20000101 ... ""       ""
5      GF       20171212  03      19990101 ... 02       20190101

列类型A中的值决定了列类型B中的值是否是我要查找的值。在这种情况下，关注的是值“ 03”。此列有十二对。如从示例COL01_A / COL01_B到COL12_A / COL12_B

我一直在寻找一种生成新列的方法（我们称其为COL_X），其中仅当类型A的双列具有“ 03”值时才反映类型B的值。对于上面显示的示例，所需的结果将是这样的。

ID  COL01_A  COL01_B   COL02_A COL02_B  ... COL12_A  COL12_B   COL_X
1   01       19990101  03      20000101 ... FF       ""        20000101
2   03       20170810  FA      20120303 ... ""       ""        20170810     
3   GG       19940508  DD      20000101 ... 03       20060808  20060808
4   03       20180101  09      20000101 ... ""       ""        20180101  
5   GF       20171212  03      19990101 ... 02       20190101  19990101

现在，我已经使用一个残酷的嵌套ifelse语句解决了我的问题，该语句不完全可读，也不是一个好习惯（我认为）。在效率方面，它的速度很快，但我想那只是因为数据不是太庞大。我还发现了另一个使用do.call(pmax(...))的解决方案，但是该解决方案要求我清理数据帧（使用ifelse语句），并使用每行的所有其他信息来创建辅助数据帧。

是否有可能以最少的代码行和/或不使用辅助结构来完成此任务？如果解决方案使用data.table或dplyr，那就太好了。

可重复的基本示例：

ID <- c(1,2,3,4,5)
DATA <- c('xxx', 'yyy', 'zzz','xyz','zxy')
COL01_A<- c('01','03','GG','03','GF')
COL01_B<- c('19990101','20170810','19940508','20180101','20171212')
COL02_A<- c('03','FA','DD','09','03')
COL02_B<- c('20000101','20120303','20000101','20000101','19990101')
COL03_A<- c('FF','','03','','02')
COL03_B<- c('','','20060808','','20190101')

df <- data.frame(ID, DATA, COL01_A,COL01_B,COL02_A,COL02_B,COL03_A,COL03_B)

如果有多个“ 03”值，则COL_X应该具有“”

Answer 1

我们可以使用A找出B和grep列，然后使用max.col找出A_cols中具有“ 03”的值的行索引作为值，然后将B_cols中的相应值作为子集。

A_cols <- grep("_A$", names(df))
B_cols <- grep("_B$", names(df))
df$COL_X <- df[B_cols][cbind(1:nrow(df), max.col(df[A_cols] == "03"))]

df

#  ID DATA COL01_A  COL01_B COL02_A  COL02_B COL03_A  COL03_B    COL_X
#1  1  xxx      01 19990101      03 20000101      FF          20000101
#2  2  yyy      03 20170810      FA 20120303                  20170810
#3  3  zzz      GG 19940508      DD 20000101      03 20060808 20060808
#4  4  xyz      03 20180101      09 20000101                  20180101
#5  5  zxy      GF 20171212      03 19990101      02 20190101 19990101

如注释中的更新，如果特定行中的“ 03”值大于1，则我们需要一个空字符串作为输出。我们可以在上述条件之后为该条件添加一行，它应该可以正常工作。

df$COL_X <- ifelse(rowSums(df[A_cols] == "03") > 1, "", df$COL_X)

Answer 2

一个想法是使用split.default并根据其列名然后coalesce（即

）拆分数据帧

l1 <- lapply(split.default(df[-c(1, 2)], sub('_.*', '', names(df[-c(1, 2)]))), function(i)
                                               ifelse(i[[1]] == '03', i[[2]][i[[1]] == '03'], NA)) 

Reduce(dplyr::coalesce, l1)

#[1] "20000101" "20180101" "20060808" "20180101" "20000101"

如果您不想仅为一个函数调用另一个库，则可以按照this answer进行获取，

Reduce(function(x, y) {
     i <- which(is.na(x))
     x[i] <- y[i]
     x
 }, l1)
#[1] "20000101" "20180101" "20060808" "20180101" "20000101"

为多个03值保留@RonakShah的句柄

A_cols <- grep("_A$", names(df))
df$COL_X <- ifelse(rowSums(df[A_cols] == "03") > 1, "", df$COL_X)

如果行x中的A列具有值

2 个答案: