作为参数传递给函数时如何访问数据表的变量？

Question

我是 R 新手，我已经在 google 上搜索了以下问题的解决方案。

我有

DT = data.table(y=c("a",NA,NA), y_1=c(NA,3,6), y_2=c(1,NA,3), y_3=c(1,1,1)). 

我想创建一个函数来传递数据表和需要更改的列。

fun <- function(dt, var)

{

dt[,(var) := ifelse(!(is.na(get(var))), get(paste0(var,"1")),
                    ifelse(!(is.na(get(paste0(var,"1")), get(paste0(var,"2")...))]
return(dt)
}

我想用y_1 中的值替换y 变量中的值，这些值是NA，如果它们不是NULL，或者替换为y_2 等等。像这样，我想创建一个可以接受不同变量但具有相同结尾的函数。

更新：Uwe，感谢您指出上一个问题。我发现它非常有用。但是，我的要求略有不同。我需要对其他变量以及值为 NA 的变量进行相同的更新。例如，我需要对 (x,x_1,x_2,x_3...),(z,z_1,z_2,z_3..) 和除 y 之外的一些其他变量执行此操作。有没有办法使用 lapply 或函数来做到这一点。

提前致谢。

Answer 1

OP 正在寻找 locf 方法的变体（最后一次观察结转），例如实现为 zoo::na.locf()。虽然na.locf() 通常应用于 data.frame 的向量或列，但 OP 正在寻找应用于data.table 的每一行但仅限于特定列子集的变体。因此，该函数被命名为na.locl()（最后一次观察left）。

此外，data.table 将在原地更新，例如，无需复制。列以特定方式命名，例如，x、x_1、x_2、x_3 等。因此，x 是子集的一种 基本名称的列。

下面的函数将在给定data.table 的特定列子集的每一行中查找第一个非NA 列，并将此值复制到列x。

实现基于this solution。它包括一些合理性检查。

na.locl <- function(var, dt) {
  checkmate::assert_data_table(dt)
  checkmate::assert_string(var)
  checkmate::assert_choice(var, names(dt))
  ans_val = rep_len(NA_real_, nrow(dt))
  selected_cols <- unlist(lapply(
    var, function(x) stringr::str_subset(names(dt), paste0("^", x, "(_\\d*)?$"))))
  for(col in selected_cols) {
    i = is.na(ans_val) & (!is.na(dt[[col]]))
    ans_val[i] = dt[[col]][i]   
  }
  set(DT, , var, ans_val)
  return(invisible(NULL))
}

此外，OP 已要求对其他变量重复此操作。这可以使用lapply() 和na.locl() 函数来完成。为了证明这一点，需要样本数据。

library(data.table)
DT0 <- data.table(y=c("a",NA,NA,NA), y_1=c(NA,3,NA,NA), y_2=c(1,NA,3,NA), y_3=c(1,1,1,NA))
DT <- cbind(DT0, setnames(copy(DT0), stringr::str_replace(names(DT0), "^y", "x")))
DT <- cbind(DT, setnames(copy(DT0), stringr::str_replace(names(DT0), "^y", "zzz")))
DT
#    y y_1 y_2 y_3  x x_1 x_2 x_3 zzz zzz_1 zzz_2 zzz_3
#1:  a  NA   1   1  a  NA   1   1   a    NA     1     1
#2: NA   3  NA   1 NA   3  NA   1  NA     3    NA     1
#3: NA  NA   3   1 NA  NA   3   1  NA    NA     3     1
#4: NA  NA  NA  NA NA  NA  NA  NA  NA    NA    NA    NA

y、x、zzz 除了第 1 行之外是NA。在 DT 上应用函数后，

dummy <- lapply(c("x", "y", "zzz"), na.locl, dt = DT)

DT
#    y y_1 y_2 y_3  x x_1 x_2 x_3 zzz zzz_1 zzz_2 zzz_3
#1:  a  NA   1   1  a  NA   1   1   a    NA     1     1
#2:  3   3  NA   1  3   3  NA   1   3     3    NA     1
#3:  3  NA   3   1  3  NA   3   1   3    NA     3     1
#4: NA  NA  NA  NA NA  NA  NA  NA  NA    NA    NA    NA

y、x 和 zzz 列中的缺失值已替换为右侧的下一个非NA 值（如果在列子集中可用）。因此，第 4 行全是NA，因为在每个列子集中都没有非NA（即一行中的三个否定）可用。