Question

比方说，我有两个像这样的data.frames：

bad_ids = read.table(text="id n
123 3", header = T)

dat <- read.table(text="id n partner_id
123 3 555
123 3 345
123 3 092
245 1 438
888 1 333", header=T)

我想标识dat中与bad_ids.中id列匹配的所有行，然后我想创建一个“标志”变量，该变量对于除第一个匹配项之外的所有匹配项都设置为1。最终的data.frame看起来像：

dat <- read.table(text="id n partner_id flag 
123 3 555 0
123 3 345 1
123 3 092 1
245 1 438 0
888 1 333 0", header=T)

请注意，123的第一行的标记为0。我要标记除第一场比赛以外的所有比赛。

我模仿这种行为的策略如下：

# Flag the Duplicate Rows
dat %>% 
  filter(id %in% bad_ids$id) %>%
  slice(-1) %>% # delete the first row
  mutate(flag = 1) #create the id on all but the first match %>%
  unfilter() # this is the function I want to go back to the original, unfiltered dataset

我想知道是否有某种等同的“ unfilter”可以让我重新合并原始数据集？

Answer 1

一个选项是通过比较'bad_ids''id'列，然后通过'id'分组，通过创建另一个条件来更改'flag'，从而通过%in%将'flag'作为逻辑向量创建row_number()

library(dplyr)
dat %>% 
   mutate(flag = id %in% bad_ids$id) %>% 
   group_by(id) %>% 
   mutate(flag = +(row_number() > 1 & flag))
   #or use `duplicated`
   # mutate(flag = +(duplicated(flag) & flag))
# A tibble: 5 x 4
# Groups:   id [3]
#     id     n partner_id  flag
#  <int> <int>      <int> <int>
#1   123     3        555     0
#2   123     3        345     1
#3   123     3         92     1
#4   245     1        438     0
#5   888     1        333     0

此外，如果我们使用OP代码中的方法，则可以选择加入NA并将其替换为0

dat %>% 
  filter(id %in% bad_ids$id) %>%
  slice(-1) %>%
  mutate(flag = 1) %>% 
  right_join(dat) %>% 
  mutate(flag = replace_na(flag, 0))

dplyr中是否存在“取消过滤器”以将更改与原始数据集合并？

1 个答案: