在 dplyr 环境中设置 na 所有以某个字符串开头的值 is.na()、na_if()、startsWith()、regex

Question

我有几个字符和数字变量的数据框。我想将所有以 0/n( 开头的值设置为 NA 。这些值可能分布在多列中。

例子：

string <- c("asff", "1\n(", '0asfd', '0\n(asdf)')
num <- c(0,1,2,3)
df <- data.frame(string, num)
##
df
     string num
1      asff   0
2      1\n(   1
3     0asfd   2
4 0\n(asdf)   3

期望的输出：

     string num
1      asff   NA
2      1\n(   1
3        NA   2
4        NA   3

数值变量通过以下方式快速设置为 NA：

df%>%na_if(., 0)

但是字符串似乎并不像na_if() 那样简单，因为na_if() 似乎不适用于正则表达式，是吗？我试过这样的事情： na_if(., "^0.") na_if(., "0.") na_if(., startsWith("0"))，但是错误...

可能是带有正则表达式的条件dplyr::mutate(.=ifelse())，但是我有这些换行符"\n)"，它们或没有被正则表达式中的"." 捕获。或者mutate(x = str_replace_all())。

我可以逐列 (df%>%mutate(x = ifelse(startsWith(x, "0"), NA,x )))) 完成，但这样编码太难了。我无法将其应用于所有带有 mutate(across(colnames(), ~ifelse(startsWith(., "0"), NA, .))) 的列，因为数字列会触发错误。

Answer 1

如果您能够使用mutate 为一列执行此操作，您应该能够使用mutate_at() 或mutate_all() 为多列执行此操作，此处解释：https://dplyr.tidyverse.org/reference/mutate_all.html

在不知道您的数据是什么样子的情况下，我认为您希望 mutate_all() 修改所有包含符合您条件的数据的列。

在这个使用iris 数据集的示例中，我们将5 的所有实例替换为单词five：

iris %>%
  tibble %>%
  mutate_all(function(x) str_replace(x, '5', 'five'))

# A tibble: 150 x 5
   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
   <chr>        <chr>       <chr>        <chr>       <chr>  
 1 five.1       3.five      1.4          0.2         setosa 
 2 4.9          3           1.4          0.2         setosa 
 3 4.7          3.2         1.3          0.2         setosa 
 4 4.6          3.1         1.five       0.2         setosa 
 5 five         3.6         1.4          0.2         setosa 
 6 five.4       3.9         1.7          0.4         setosa 
 7 4.6          3.4         1.4          0.3         setosa 
 8 five         3.4         1.five       0.2         setosa 
 9 4.4          2.9         1.4          0.2         setosa 
10 4.9          3.1         1.five       0.1         setosa 

或者像你的条件，我们只能在字符串以5开头时这样做，使用^5正则表达式语言（^表示字符串的开头，5表示5在字符串的开头）。

iris %>%
  tibble %>%
  mutate_all(function(x) str_replace(x, '^5', 'five'))

# A tibble: 150 x 5
   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
   <chr>        <chr>       <chr>        <chr>       <chr>  
 1 five.1       3.5         1.4          0.2         setosa 
 2 4.9          3           1.4          0.2         setosa 
 3 4.7          3.2         1.3          0.2         setosa 
 4 4.6          3.1         1.5          0.2         setosa 
 5 five         3.6         1.4          0.2         setosa 
 6 five.4       3.9         1.7          0.4         setosa 
 7 4.6          3.4         1.4          0.3         setosa 
 8 five         3.4         1.5          0.2         setosa 
 9 4.4          2.9         1.4          0.2         setosa 
10 4.9          3.1         1.5          0.1         setosa 

更新要更改整个的值，如果它的开头有5，你只需要将str_replace函数更改为可以更改整个值。在这种情况下，我们使用ifelse 语句

iris %>%
  tibble %>%
  mutate_all(function(x) ifelse(str_detect(x, '^5'), 'had_five', x))

# A tibble: 150 x 5
   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
   <chr>              <dbl> <chr>              <dbl>   <int>
 1 had_five             3.5 1.4                  0.2       1
 2 4.9                  3   1.4                  0.2       1
 3 4.7                  3.2 1.3                  0.2       1
 4 4.6                  3.1 1.5                  0.2       1
 5 had_five             3.6 1.4                  0.2       1
 6 had_five             3.9 1.7                  0.4       1
 7 4.6                  3.4 1.4                  0.3       1
 8 had_five             3.4 1.5                  0.2       1
 9 4.4                  2.9 1.4                  0.2       1
10 4.9                  3.1 1.5                  0.1       1

另一个更新从您的 cmets 看来，您似乎只想将该函数应用于字符列。为此，您可以将mutate_all(your_fun) 替换为mutate_if(is.character, your_fun) - 如本答案开头的帮助文档中所述（同一信息页面描述了mutate_all、mutate_if 和mutate_at）。

以您的示例数据为例，我们可以将任何以'0' 开头的内容设置为 NA。不过，我对您的示例感到困惑-您想在字符串的开头查找'0' 还是'0\n('？无论哪种方式，这都是如何做到的：

# sample data
string <- c("asff", "1\n(", '0asfd', '0\n(asdf)')
num <- c(0,1,2,3)
df <- data.frame(string, num)


# for only a 0 at the start of the string
df %>% 
  mutate_if(is.character, function(x) ifelse(str_detect(x, '^0'), NA, x))

  string num
1   asff   0
2   1\n(   1
3   <NA>   2
4   <NA>   3


# for '0\n(' at the start of the string
df %>% 
  mutate_if(is.character, function(x) ifelse(str_detect(x, '^0\\n\\('), NA, x))

  string num
1   asff   0
2   1\n(   1
3  0asfd   2
4   <NA>   3