dplyr 通过评估查找单元格值来改变特定列

Question

我已经探索了使用 quosures、符号和评估的各种选项，但我似乎无法获得正确的语法。这是一个示例数据框。

data.frame("A" = letters[1:4], "B" = letters[26:23], "C" = letters[c(1,3,5,7)], "D" = letters[c(2,4,6,8)], "pastecols" = c("B, C","B, D", "B, C, D", NA))
  A B C D pastecols
1 a z a b      B, C
2 b y c d      B, D
3 c x e f   B, C, D
4 d w g h      <NA>

现在假设我想根据 pastecols 中的查找字符串粘贴来自不同列的值，并且我总是想包含 A 列。这是我想要的结果：

  A B C D pastecols  result
1 a z a b      B, C   a z a
2 b y c d      B, D   b y d
3 c x e f   B, C, D c x e f
4 d w g h      <NA>       d

理想情况下，这可以在 dplyr 中完成。这是我得到的最接近的：

x %>% mutate(result = lapply(lapply(str_split(pastecols, ", "), c, "A"), na.omit))
  A B C D pastecols     result
1 a z a b      B, C    B, C, A
2 b y c d      B, D    B, D, A
3 c x e f   B, C, D B, C, D, A
4 d w g h      <NA>          A

Answer 1

这是使用pmap 做类似事情的一种方法。 pmap 可用于通过将每一行捕获为命名向量来有效地逐行处理数据帧；然后，您可以通过使用["pastecols"] 选择它们来获取所需的列名以作为cols 进行索引。

大多数匿名函数语法不是tidyverse 的东西，而只是基本的R 东西。走过它：

1. 将数据框作为列表传递给pmap_chr 的.l 参数。请记住，数据框是列的列表！
2. 使用c(...) 捕获所有... 参数。基本上我们将数据帧的每一行作为函数的参数调用；现在row 是包含该行的命名向量。请注意，如果您有列表列，这将中断，（但这里还有很多其他的东西，所以我假设没有......）
3. 我们可以从row["pastecols"] 中获得我们想要的row 的值，但是我们需要将（比如）"B, C" 转换为c("A", "B", "C") 才能做到这一点。下一行只是添加"A"，用"A" 替换缺失值，如果有的话，将其分成几部分，然后向下索引到列表中。 [[ 部分就是您在管道链中执行list[[1]]" 的方式，它是运算符的前缀形式。你需要这个，因为str_split 返回一个列表，而我们只需要向量。
4. 使用此 cols 向量从 row 获取所需值并将其返回，折叠成长度为 1 的字符向量！

library(tidyverse)
tbl <- tibble("A" = letters[1:4], "B" = letters[26:23], "C" = letters[c(1,3,5,7)], "D" = letters[c(2,4,6,8)], "pastecols" = c("B, C","B, D", "B, C, D", NA))

tbl %>%
  mutate(result = pmap_chr(
    .l = .,
    .f = function(...){
      row <-  c(...)
      cols <- row["pastecols"] %>% str_c("A, ", .) %>% replace_na("A") %>% str_split(", ") %>% `[[`(1)
      vals <- row[cols] %>% str_c(collapse = ", ")
      return(vals)
    }
  ))
#> # A tibble: 4 x 6
#>   A     B     C     D     pastecols result    
#>   <chr> <chr> <chr> <chr> <chr>     <chr>     
#> 1 a     z     a     b     B, C      a, z, a   
#> 2 b     y     c     d     B, D      b, y, d   
#> 3 c     x     e     f     B, C, D   c, x, e, f
#> 4 d     w     g     h     <NA>      d

由reprex package (v0.2.0) 于 2018 年 12 月 3 日创建。

Answer 2

不是最优雅的解决方案，但只需使用基本 R 即可完成工作。如果列 A 从未出现在 pastecols 中，您可以从代码中删除 unique()。

for(r in seq_len(nrow(df))) {
  df$result[r] <- paste(
                    df[r, na.omit(unique(c("A", unlist(strsplit(df$pastecols[r], ", ")))))],
                    collapse = " "
                  )
}
df

  A B C D pastecols  result
1 a z a b      B, C   a z a
2 b y c d      B, D   b y d
3 c x e f   B, C, D c x e f
4 d w g h      <NA>       d

数据 -

df <- data.frame(
  "A" = letters[1:4], 
  "B" = letters[26:23], 
  "C" = letters[c(1,3,5,7)], 
  "D" = letters[c(2,4,6,8)], 
  "pastecols" = c("B, C","B, D", "B, C, D", NA), stringsAsFactors = F
)

Answer 3

这是一种不同的方法，它不依赖于 apply 或 map 系列中的迭代函数，如果您希望避免它们，并尝试利用 tidyverse 的 tidyr 侧。该方法基本上是将带有gather 和separate_rows 的数据框扩展为pastecols 和实际列的每个组合，然后是filter，因此我们只保留与每个rowid 匹配的那些。一旦我们有了它，我们可以group_by 和summarise 将它带回每rowid 的一行。有一堆家务来处理你总是有列 A 的事实，请注意我在输出 pastecols 中留下了 A，但如果你愿意，你可以删除它。

library(tidyverse)
tbl <- tibble("A" = letters[1:4], "B" = letters[26:23], "C" = letters[c(1,3,5,7)], "D" = letters[c(2,4,6,8)], "pastecols" = c("B, C","B, D", "B, C, D", NA))

tbl %>%
  rowid_to_column() %>%
  mutate(
    pastecols = str_c("A, ", pastecols),
    pastecols = if_else(is.na(pastecols), "A", pastecols)
  ) %>%
  gather(colname, value, -pastecols, -rowid) %>%
  separate_rows(pastecols) %>%
  filter(pastecols == colname) %>%
  group_by(rowid) %>%
  summarise(
    pastecols = str_c(pastecols, collapse = ", "),
    result = str_c(value, collapse = ", ")
  )
#> # A tibble: 4 x 3
#>   rowid pastecols  result    
#>   <int> <chr>      <chr>     
#> 1     1 A, B, C    a, z, a   
#> 2     2 A, B, D    b, y, d   
#> 3     3 A, B, C, D c, x, e, f
#> 4     4 A          d

由reprex package (v0.2.0) 于 2018 年 12 月 3 日创建。