用 R 中的用户定义函数替换数据框列值答案

【问题标题】：Replace Dataframe Column Values with User Defined Function in R用 R 中的用户定义函数替换数据框列值
【发布时间】：2021-03-23 23:33:02
【问题描述】：

我在尝试用自值替换的列中有一组分组的值

col1
a
a;a;b;c
c;b;a
NA
b;b;b

我想用mixed 或单个当前值替换所有值，例如a;a;a;a 变为a

预期输出

col1
a
Mixed
Mixed
NA
b

代码

grouping = function(x){
y = as.list(strsplit(x, ";")[[1]])

#select first element, and test if each is the same element.
z = ""
for (i in 1:length(y)){
  if (as.character(y[1]) != as.character(y[i])) {
    z = 'mixed'
    break
  } else {
    z = as.character(y[1])
  }
}
return(z)
}

db %>%
select(col1) %>%
mutate(
test = grouping(col1)
)

我已经尝试了几种不同的方法，要么最终导致它根本不起作用，要么为所有内容赋予值 a

【问题讨论】：

好电话，已更新

标签： r dataframe dplyr user-defined-functions

【解决方案1】：

您可以将grouping 函数编写为：

grouping <- function(x) {
  sapply(strsplit(x, ';'), function(x) 
        if(length(unique(x)) == 1) unique(x) else 'Mixed')
}
db$test <- grouping(db$col1)
db

#     col1  test
#1       a     a
#2 a;a;b;c Mixed
#3   c;b;a Mixed
#4    <NA>  <NA>
#5   b;b;b     b

【讨论】：

【解决方案2】：

通过定义用户函数f的基本R选项

f <- function(x) ifelse(length(u <- unique(unlist((strsplit(x, ";"))))) > 1, "Mixed", u)

这样

> transform(df, col1 = Vectorize(f)(col1))
   col1
1     a
2 Mixed
3 Mixed
4  <NA>
5     b

【讨论】：

【解决方案3】：

我们可以从字母'col1'中提取子字符串，使用n_distinct检查不同元素的数量，使用case_when将具有多个唯一元素的元素更改为'Mixed'

library(dplyr)
library(stringr)
library(purrr)
df1 %>%
    mutate(col1 = case_when(map_dbl(str_extract_all(col1,
         "[a-z]"), n_distinct) >1 ~ "Mixed",
       is.na(col) ~ NA_character_, 
      TRUE ~ substr(col1, 1, 1)))

-输出

#  col1
#1     a
#2 Mixed
#3 Mixed
#4  <NA>
#5     b

或者另一种选择是通过separate_rows 分隔符将列拆分，然后将row_number 到summarise 具有多于一行的元素（在distinct 之后）分组为“混合”

library(tidyr)
df1 %>% 
   mutate(rn = row_number()) %>%
   separate_rows(col1) %>% 
   distinct() %>%
   group_by(rn) %>% 
   summarise(col1 = case_when(n() > 1 ~ 'Mixed', TRUE ~ first(col1)), 
        .groups = 'drop') %>%
   select(-rn)

-输出

# A tibble: 5 x 1
#  col1 
#  <chr>
#1 a    
#2 Mixed
#3 Mixed
#4 <NA> 
#5 b

或者使用带有紧凑选项的base R

v1 <- gsub("([a-z])\\1+", "\\1", gsub(";", "", df1$col1))
replace(v1, nchar(v1) > 1, "Mixed")
#[1] "a"     "Mixed" "Mixed" NA      "b"

OP 函数中的问题是它只提取第一个 [[1]] list 元素

as.list(strsplit(x, ";")[[1]])

因为strsplit 返回一个list，其中length 等于初始数据的行数。所以，基本上只选择第一个，就被回收了

数据

df1 <- structure(list(col1 = c("a", "a;a;b;c", "c;b;a", NA, "b;b;b")),
class = "data.frame", row.names = c(NA, 
-5L))

【讨论】：

【解决方案4】：

您也可以将其用于您的功能并使用base R：

#Function  
myfun <- function(x)
{
  y <- unlist(strsplit(x, ";"))
  if(length(unique(y))==1)
  {
    z <- unique(y)
  } else
  {
    z <- 'Mixed'
  }
}
#Apply
df$New <- apply(df,1,myfun)

输出：

df
     col1   New
1       a     a
2 a;a;b;c Mixed
3   c;b;a Mixed
4    <NA>  <NA>
5   b;b;b     b

使用的一些数据：

#Data
df <- structure(list(col1 = c("a", "a;a;b;c", "c;b;a", NA, "b;b;b")), class = "data.frame", row.names = c(NA, 
-5L))

【讨论】：