R：根据列前缀和后缀有条件地替换值

Question

我有两个数据框。数据框 A 有许多观察/行、每个观察的 ID 以及许多附加列。对于观测值 X 的子集，一组列的值缺失/NA。数据框 B 包含 X 中的观察子集（可以使用 ID 跨数据框进行匹配）和与数据框 A 中名称相同的变量，但包含用缺失值替换列集中缺失值的值/不。

我下面的代码（使用连接操作）只是添加列而不是替换缺失值。对于 B 中的每个附加变量（我们将它们命名为 W），结果表会生成 W.x 和 W.y。

library(dplyr)

foo <- data.frame(id = seq(1:6), x = c(NA, NA, NA, 1, 3, 8), z = seq_along(10:15))
bar <- data.frame(id = seq(1:2), x = c(10, 9))
dplyr::left_join(x = foo, y = bar, by = "id")

我正在尝试使用基于 ID 的 B 中的值替换 A 中的缺失值，但由于我有很多列和很多行，所以这样做很有效。我的目标是：

  id   x z 
1  1  10 1  
2  2   9 2  
3  3  NA 3  
4  4   1 4  
5  5   3 5  
6  6   8 6 

一个想法是在加入后使用 ifelse()，但是为所有变量键入 ifelse() 函数是不可行的。有没有办法在没有数据库连接的情况下简单地做到这一点，或者有没有办法在所有以 .x 结尾的列上应用一个函数，如果 .x 中的值丢失，则用 .y 中的值替换 .x 中的值？

Answer 1

您可以在非分组列的交叉点上迭代 dplyr::coalesce。它并不优雅，但应该可以很好地扩展：

library(tidyverse)

foo <- data.frame(id = seq(1:6), 
                  x = c(NA, NA, NA, 1, 3, 8), 
                  y = 1:6,    # add extra shared variable
                  z = seq_along(10:15))
bar <- data.frame(id = seq(1:2), 
                  y = c(1L, NA),
                  x = c(10, 9))

# names of non-grouping variables in both
vars <- intersect(names(foo), names(bar))[-1]

foobar <- left_join(foo, bar, by = 'id')

foobar <- vars %>% 
    map(paste0, c('.x', '.y')) %>%    # make list of columns to coalesce
    map(~foobar[.x]) %>%    # for each set, subset foobar to a two-column data.frame 
    invoke_map(.f = coalesce) %>%    # ...and coalesce it into a vector
    set_names(vars) %>%   # add names to list elements
    bind_cols(foobar) %>%   # bind into data.frame and cbind to foobar
    select(union(names(foo), names(bar)))    # drop duplicated columns

foobar
#> # A tibble: 6 x 4
#>      id     x     y     z
#>   <int> <dbl> <int> <int>
#> 1     1    10     1     1
#> 2     2     9     2     2
#> 3     3    NA     3     3
#> 4     4     1     4     4
#> 5     5     3     5     5
#> 6     6     8     6     6

Answer 2

另一种尝试，本质上应该只是一个赋值操作。再次使用@alistaire 的数据：

vars <- c("x","y")
foo[vars] <- Map(pmax, foo[vars], bar[match(foo$id, bar$id), vars], na.rm=TRUE)
foo

#  id  x y z
#1  1 10 1 1
#2  2  9 2 2
#3  3 NA 3 3
#4  4  1 4 4
#5  5  3 5 5
#6  6  8 6 6

Answer 3

编辑

使用@alistaire 的示例数据框更新答案。

我们可以使用mapply 扩展下面给出的相同答案，以便它可以处理foo 和bar 的多个列。

找出两个数据框之间的共同列，并对它们进行排序，使它们的顺序相同。

vars <- sort(intersect(names(foo), names(bar))[-1])
foo[vars] <- mapply(function(x, y) {
             ind = is.na(x)
             replace(x, ind, y[match(foo$id[ind], bar$id)])
             }, foo[vars], bar[vars])

foo
#  id  x y z
#1  1 10 1 1
#2  2  9 2 2
#3  3 NA 3 3
#4  4  1 4 4
#5  5  3 5 5
#6  6  8 6 6

原答案

我认为这可以满足您的需求：

foo[-1] <- sapply(foo[-1], function(x) {
    ind = is.na(x)
    replace(x, ind, bar$x[match(foo$id[ind], bar$id)])
})


foo
#  id  x z
#1  1 10 1
#2  2  9 2
#3  3 NA 3
#4  4  1 4
#5  5  3 5
#6  6  8 6

对于每一列（id 除外），我们在foo 中找到缺失值，并将其替换为bar 中的相应值。

Answer 4

如果您不介意冗长的 baseR 方法，那么您可以使用 merge() 和对您的数据框进行仔细的子集轻松地完成此操作。

df <- merge(foo, bar, by="id", all.x=TRUE)
names(df) <- c("id", "x", "z", "y")
df$x[is.na(df$x)] <- df$y[is.na(df$x)]
df <- df[c("id", "x", "z")]

> df
  id  x z
1  1 10 1
2  2  9 2
3  3 NA 3
4  4  1 4
5  5  3 5
6  6  8 6