向 R 中的现有数据框添加新的组合值答案

【问题标题】：Adding new, combined values to existing dataframe in R向 R 中的现有数据框添加新的组合值
【发布时间】：2018-04-26 17:43:28
【问题描述】：

这是原始数据帧的近似值。在原始版本中，列数比此处显示的要多得多。

id  init_cont  family  description  value
1   K          S       impacteach   1
1   K          S       impactover   3
1   K          S       read         2
2   I          S       impacteach   2
2   I          S       impactover   4
2   I          S       read         1
3   K          D       impacteach   3
3   K          D       impactover   5
3   K          D       read         3

我想结合 Impacteach 和 Impactover 的值来生成一个平均值，即所谓的 Impact。我希望决赛桌如下所示：

id  init_cont  family  description  value
1   K          S       impact       2
1   K          S       read         2
2   I          S       impact       3
2   I          S       read         1
3   K          D       impact       4
3   K          D       read         3

我无法弄清楚如何生成此表。但是，我已经能够创建一个如下所示的数据框：

id  description  value
1   impact       2
1   read         2
2   impact       3
2   read         1
3   impact       4
3   read         3

对我来说，获取这些新值并将它们添加到原始数据框中的最佳方法是什么？我还需要删除原始数据框中的原始值（如 Impacteach 和 Impactover）。我宁愿修改原始数据框，而不是创建一个全新的数据框，因为原始数据框有很多列。

如果有用的话，这是我用来创建较短数据帧的代码摘要，该数据帧具有影响力作为 Impacteach 和 Impactover 的组合：

df %<%
  mutate(newdescription = case_when(description %in% c("impacteach", "impactoverall") ~ "impact", TRUE ~ description)) %<% 
  group_by(id, newdescription) %<%
  summarise(value = mean(as.numeric(value)))

【问题讨论】：

你说你有更多的专栏是什么意思？您是否有更多类似于description 或只是value 的列？

标签： r tidyverse dplyr

【解决方案1】：

如果您先更改 description 列以便将其包含在分组中会怎样：

df %>% 
    mutate(description = substr(description, 1, 6)) %>%
    group_by(id, init_cont, family, description) %>% 
    summarise(value = mean(value))

# A tibble: 6 x 5
# Groups:   id, init_cont, family [?]
#      id init_cont family description value
#   <int> <chr>     <chr>  <chr>       <dbl>
# 1     1 K         S      impact         2.
# 2     1 K         S      read           2.
# 3     2 I         S      impact         3.
# 4     2 I         S      read           1.
# 5     3 K         D      impact         4.
# 6     3 K         D      read           3.

【讨论】：

【解决方案2】：

您只需要修改您的group_by 语句。试试group_by(id, init_cont, family)

因为您的 id 似乎已经映射到 init_cont 和 family，所以添加这些值不会改变您的汇总结果。这样您就拥有了所有您想要的列，而无需额外的工作。

如果您有很多列，您可以尝试以下代码。本质上，使用汇总数据对原始数据执行left_join，但使用. 执行此操作以不存储新数据帧。然后，一旦加入（通过我们在适当位置修改的 id 和描述），您将有两个值列，应以 .x 和 .y 开头，删除原始值，然后使用 distinct 消除重复的“影响”列。

df %>% 
  mutate(description = case_when(description %in% c("impacteach", "impactoverall") ~ "impact", TRUE ~ description)) %>%
  left_join(. %>%
              group_by(id, description)
              summarise(value = mean(as.numeric(value))
            ,by=c('id','description')) %>%
  select(-value.x) %>%
  distinct()

【讨论】：

我的列比这里显示的多得多。有没有一种简单的方法可以为超过 100 列执行此操作？
select(-value.x) 是什么意思？此外，“by=c”之前的逗号会导致错误。
否定选择删除一列。对于这个错误，我很抱歉，您没有提供可重现的示例，所以我无法测试代码

【解决方案3】：

gsub 可用于替换包含imact 的description 作为影响，然后dplyr 包中的group_by 将有助于总结价值。

df %>% group_by(id, init_cont, family, 
        description = gsub("^(impact).*","\\1", description)) %>%
  summarise(value = mean(value))

# # A tibble: 6 x 5
# # Groups: id, init_cont, family [?]
#      id init_cont family description value
#   <int> <chr>     <chr>  <chr>       <dbl>
# 1     1 K         S      impact       2.00
# 2     1 K         S      read         2.00
# 3     2 I         S      impact       3.00
# 4     2 I         S      read         1.00
# 5     3 K         D      impact       4.00
# 6     3 K         D      read         3.00

【讨论】：