使用 dplyr 测试跨多列的值是否相同答案

【问题标题】：Testing whether values across multiple columns are the same using dplyr使用 dplyr 测试跨多列的值是否相同
【发布时间】：2018-05-16 21:43:27
【问题描述】：

我在数据框中有一些列是字符变量。下面给出了我感兴趣的列的两行示例：

a <- rep('Agree', 20)
b <- rep(c('Disagree', 'Agree'), 10)
dat <- data.frame(rbind(a,b), stringsAsFactors = FALSE)

我想识别每列具有相同值的所有行。例如，使用 dplyr mutate，我想创建一个名为“allSame”的新变量，其中“dat”第一行的值为“yes”，第二行的值为“no”。

我还想按数字而不是名称来索引列，因为一些变量的名称很长，并且我想为数据框中的多组列进行此操作。

【问题讨论】：

dat 是一个矩阵，而不是一个数据框。您打算使用哪个类？如果要使用数据框，dat <- data.frame(a = a, b = b, stringsAsFactors = FALSE) 是创建数据框的一种方式。
@jazzurro 感谢您指出这个错误，我已经编辑以澄清我正在使用数据框
您现在拥有多种格式的数据。所以你有 20 列。这是正确的吗？
是的，数据是宽格式的。 20 列就是一个例子，我想在数据中使用多组列。
相关：Count the number of rows where all columns have identical values（跳过sum部分）。

标签： r dplyr

【解决方案1】：

以下是检查您是否有相同答案的一种方法（即全部同意或全部不同意）。我创建了一个最小的示例并执行了以下操作。您想检查每一行是否只有“同意”或“不同意”。您可以使用逻辑检查。 mydf == "Agree" 返回一个包含 T 或 F 的矩阵。使用 rowSums()，您可以计算每行中有多少次 T。如果结果等于 ncol(mydf)，在这种情况下为 3，则您只有“同意”。如果你有 0，你只有“不同意”。我猜你想要这些案例是肯定的。 allSame 中的 TRUE 表示是。

mydf <- data.frame(col1 = c("Agree", "Agree", "Disagree"),
                   col2 = c("Agree", "Disagree", "Disagree"),
                   col3 = c("Agree", "Disagree", "Disagree"),
                   stringsAsFactors = FALSE)

#      col1     col2     col3
#1    Agree    Agree    Agree
#2    Agree Disagree Disagree
#3 Disagree Disagree Disagree

mydf %>%
mutate(allSame = (rowSums(mydf == "Agree") == 0 |
                  rowSums(mydf == "Agree") == ncol(mydf)))

#      col1     col2     col3 allSame
#1    Agree    Agree    Agree    TRUE
#2    Agree Disagree Disagree   FALSE
#3 Disagree Disagree Disagree    TRUE

鉴于上述情况，您会这样做：

dat %>%
mutate(allSame = (rowSums(dat == "Agree") == 0 |
                  rowSums(dat == "Agree") == ncol(dat)))

【讨论】：

【解决方案2】：

如果您想独立地遍历每一行，请使用sapply。可能值得查找functionals

a <- rep('Agree', 20)
b <- rep(c('Disagree', 'Agree'), 10)
df <- data.frame(a, b, stringsAsFactors =F)


df <- mutate(df, same = sapply(1:nrow(df), function(i){
  if(a[i] == b[i]){'yes'} else {'no'}
}))

重命名应该使用names

names(df) <- paste0('index_', 1:length(names(df))

【讨论】：

恐怕你的df只有两列。根据 OP，这是不正确的。