基于数据框中的多个列进行变异

Question

好的，所以我的数据框看起来像这样让我们调用 if df

KEY   A1  A2  A3 A4  B1 B2 B3 B4 C1  C2  C3  C4
1     120 100 NA 110 1  1  NA  1  NA NA NA NA
2     100 NA 115 NA  NA NA NA NA  Y  N   Y N

所以我想要做的是，当 A 列的值为 100 并且相应的 B 或 C 列的值分别为 1 或“Y”时，会生成一个带有 X 的新列值为 1。在第 1 行中为 A2 和 B2，在行中为 A1 和 C1。

我尝试做三组收集，然后使用 case_when 使用 mutate 函数。像这样

df<- df %>%
  gather(key="A",value="code",dx)%>%
  gather(key="B",value="number",dxadm)%>%
  gather(key="C",value="character",dxpoa) %>%
  mutate(X=case_when(
    code == 100 & present >0 ~ 1,
    code ==100 & character == "Y"~1)
  )

除了这些行的扩展函数返回所有行和我的 X 不合适的位置。

或者，我考虑过类似的东西

df <- df %>%
mutate(X=case_when(
    A1 == 100 & B1 >0 ~ 1,
    A1 ==100 & C1 == "Y"~1,
    A2 == 100 & B2 >0 ~ 1,
    A2 ==100 & C2 == "Y"~1,) 

以此类推，适用于所有排列。这样做的两个问题是我有很多列，我想为多个不同的 A 值这样做。

谁能推荐一种替代方案或至少一种方法，将第二种解决方案变成只需要一段烦人的长代码，我可以将其变成更通用的函数吗？谢谢！

Answer 1

一个建议

require(read.so) #awesome package to read from Stackoverflow, 
# available on GitHub [https://alistaire47.github.io/read.so/][1]
require(tidyr)
require(reshape2)
require(dplyr)

dat <- read.so()    

dat %>% gather(var, value, 2:13) %>% #make it long
  mutate(var = gsub('([A-Z])', '\\1_', .[['var']])) %>% #add underscore
  separate(var, c('var', 'number') ) %>% #separate your column 
  dcast(KEY+number ~ var) %>% #dcast is a bit complex but quite powerful
  group_by(KEY) %>% 
  filter(A == 100) 

# A tibble: 2 x 5
# Groups:   KEY [2]
    KEY number A     B     C    
  <int> <chr>  <chr> <chr> <chr>
1     1 2      100   1     <NA> 
2     2 1      100   <NA>  Y  

Answer 2

使用dplyr 和tidyr 的解决方案。我们可以gather 除了KEY、separate 字母和数字之外的所有列，然后spread 字母，这样我们就可以在不指定数字的情况下创建X 列。请注意，我假设如果条件不满足，X 将是0，并且根据您的描述，我使用any(A %in% 100 & (B %in% 1 | C %in% "Y")) 来测试条件，因为任何给定的数字都满足条件，X 将是@987654332 @。

library(dplyr)
library(tidyr)

df2 <- df %>%
  gather(Column, Value, -KEY) %>%
  separate(Column, into = c("Letter", "Number"), sep = 1) %>%
  spread(Letter, Value, convert = TRUE) %>%
  group_by(KEY) %>%
  mutate(X = ifelse(any(A %in% 100 & (B %in% 1 | C %in% "Y")), 1L, 0L)) 

df2 %>% as.data.frame()
#   KEY Number   A  B    C X
# 1   1      1 120  1 <NA> 1
# 2   1      2 100  1 <NA> 1
# 3   1      3  NA NA <NA> 1
# 4   1      4 110  1 <NA> 1
# 5   2      1 100 NA    Y 1
# 6   2      2  NA NA    N 1
# 7   2      3 115 NA    Y 1
# 8   2      4  NA NA    N 1

我觉得df2的结构不错，但是如果你真的想要原来的结构，我们可以做如下。

df3 <- df2 %>%
  gather(Letter, Value, A:C) %>%
  unite(Column,  Letter, Number, sep = "") %>%
  spread(Column, Value) %>%
  select(names(df), X)
df3 %>% as.data.frame()
#   KEY  A1   A2   A3   A4   B1   B2   B3   B4   C1   C2   C3   C4 X
# 1   1 120  100 <NA>  110    1    1 <NA>    1 <NA> <NA> <NA> <NA> 1
# 2   2 100 <NA>  115 <NA> <NA> <NA> <NA> <NA>    Y    N    Y    N 1

df3 是最终输出。

数据

df <- read.table(text = "KEY   A1  A2  A3 A4  B1 B2 B3 B4 C1  C2  C3  C4
1     120 100 NA 110 1  1  NA  1  NA NA NA NA
                 2     100 NA 115 NA  NA NA NA NA  Y  N   Y N",
                 header = TRUE, stringsAsFactors = FALSE)

Answer 3

与 Tjebo 相同的想法，但坚持 tidyverse....

library(tidyverse)

dat <- data.frame(stringsAsFactors=FALSE,
         KEY = c(1L, 2L),
          A1 = c(120L, 100L),
          A2 = c(100L, NA),
          A3 = c(NA, 115L),
          A4 = c(110L, NA),
          B1 = c(1L, NA),
          B2 = c(1L, NA),
          B3 = c(NA, NA),
          B4 = c(1L, NA),
          C1 = c(NA, "Y"),
          C2 = c(NA, "N"),
          C3 = c(NA, "Y"),
          C4 = c(NA, "N"))

dat %>% 
  gather(var, value, -KEY) %>% #make it long
  extract(var, regex = "(.)(.)", into = c("var", "number") ) %>% 
  spread(var, value) %>% 
  filter( A %in% 100 )

#>   KEY number   A    B    C
#> 1   1      2 100    1 <NA>
#> 2   2      1 100 <NA>    Y

由reprex package (v0.2.0) 于 2018 年 2 月 27 日创建。