根据多列和条件更新 data.table

Question

这是来自Efficient way to subset data.table based on value in any of selected columns 的后续问题。

样本数据
我有一个带有 5 个 p 列的 data.table，表示一个类型（type1 或 type2 或NA）。 我还有 5 个 r 列，表示分数（1-10，或NA）。

library(data.table)
set.seed(123)
v  <- c( "type1", "type2", NA_character_ )
v2 <- c( 1:10, rep( NA_integer_, 10 ) )
DT <- data.table( id = 1:100,
                  p1 = sample(v, 100, replace = TRUE ),
                  p2 = sample(v, 100, replace = TRUE ),
                  p3 = sample(v, 100, replace = TRUE ),
                  p4 = sample(v, 100, replace = TRUE ),
                  p5 = sample(v, 100, replace = TRUE ),
                  r1 = sample(v2, 100, replace = TRUE ),
                  r2 = sample(v2, 100, replace = TRUE ),
                  r3 = sample(v2, 100, replace = TRUE ),
                  r4 = sample(v2, 100, replace = TRUE ),
                  r5 = sample(v2, 100, replace = TRUE ))

期望的输出
我想创建两个新列（一个用于 type1，一个用于 type2），我逐行检查一个或多个 p 列中是否出现 type1/type2，以及是否至少有一个对应的 r 列（p1 - > check r1, p2 -> check r2, etc.) 包含一个值。

“手动”解决方案
这可以像下面这样使用大量的 AND 和 OR 语句来完成：

manual_solution <- DT[ ( p1 == "type1" & !is.na( r1 ) ) |
                         ( p2 == "type1" & !is.na( r2 ) ) |
                         ( p3 == "type1" & !is.na( r3 ) ) |
                         ( p4 == "type1" & !is.na( r4 ) ) |
                         ( p5 == "type1" & !is.na( r5 ) ), 
                       type1_present := "yes"]
manual_solution <- DT[ ( p1 == "type2" & !is.na( r1 ) ) |
                         ( p2 == "type2" & !is.na( r2 ) ) |
                         ( p3 == "type2" & !is.na( r3 ) ) |
                         ( p4 == "type2" & !is.na( r4 ) ) |
                         ( p5 == "type2" & !is.na( r5 ) ), 
                       type2_present := "yes"]
manual_solution[ is.na( type1_present ), type1_present := "no" ]
manual_solution[ is.na( type2_present ), type2_present := "no" ]

问题：数十个 p 和 r 列的自动化
但看看Efficient way to subset data.table based on value in any of selected columns 的答案，我相信有更好的方法。特别是因为我的生产数据包含更多的 p 列和 r 列。

所以我开始玩，但很快就卡住了......

#build vectors p-columns and r-columns
p_cols <- grep( "^p", names( DT ), value = TRUE )
r_cols <- grep( "^r", names( DT ), value = TRUE )

#create logical vectors to test for NA
logi_p <- as.data.table( sapply( DT[, ..p_cols ], function(x) !is.na(x) ) )
logi_r <- as.data.table( sapply( DT[, ..r_cols ], function(x) !is.na(x) ) )

#which non-NA p-values also have a non-NA r-value?
logi <- as.data.table( sapply( logi_p * logi_r, as.logical ) )

现在我没有任何关于如何继续的灵感。
有什么想法/建议吗？

奖金
我的主要关注点是上面的问题。但是我的生产数据还包含更多类型（在 p 列中）......因此，按类型添加列（或可以对该结果进行 dcast）的解决方案将“用一块石头杀死两只鸟”。

Answer 1

这是一个解决方案，我将类型列转换为矩阵，使用 r 列中的信息更新它们，然后在它上面应用搜索相关类型的次数与要查找的类型一样多。

# Convert to a matrix
pMAT <- DT[, as.matrix(.SD), .SDcols = patterns("^p")]
# Subset a matrix with another matrix of the r columns
pMAT[] <- pMAT[DT[, as.logical(as.matrix(.SD)), .SDcols = patterns("^r")]]

types2check <- c("type1", "type2")
for (t in types2check) {
  set(
    x = DT, 
    j = paste0(t, "_present"), 
    value = ifelse(apply(pMAT, 1, function(x) any(x == t, na.rm = TRUE)), "yes", "no")
  )
}

额外

使用dcast()，您可以执行以下操作。管道只是为了便于阅读，其中一些步骤可能可以简化。

result <- data.table(id = DT[["id"]], stack(DT[, ..pcols]), stack(DT[, ..rcols])) %>%
  setnames(c("id", "type", "pind", "rval", "rind")) %>% 
  .[, .(type = type[as.logical(rval)], id)] %>% 
  dcast(id ~ type, value.var = "id", fill = "no", fun.aggregate = function(x) if (length(x)) "yes") %>% 
  .[, `NA` := NULL]

> head(result)
   id type1 type2
1:  1   yes   yes
2:  2   yes    no
3:  3    no   yes
4:  4    no    no
5:  5    no   yes
6:  6   yes    no