如何根据其他列的值将值分配给 R 中的新列答案

【问题标题】：How to assign values to a new column in R depending on values from other columns如何根据其他列的值将值分配给 R 中的新列
【发布时间】：2020-10-15 16:43:38
【问题描述】：

在我的数据框中创建一个 > 900,000 行的新列，我希望将值作为该列

NA 如果任何列中的值是 NA

df$newcol[is.na(df$somecol_1) | is.na(df$somecol_2) | is.na(df$somecol_3)] <- NA

0 如果一组列中的所有值都是0

df$newcol[df$somecol_1==0 & df$somecol_2==0 & df$somecol_3==0] <- 0

1 如果一组列中的任何个值是1，而没有一个是NA。这是棘手的部分，因为它与我的 10 列创建了无数的组合。整个数据框有 >50 列，其中我有 10 列对此过程感兴趣，这里我只展示三个：

df$newcol[df$somecol_1==1 & df$somecol_2==0 & df$somecol_3==0] <- 1
df$newcol[df$somecol_1==1 & df$somecol_2==1 & df$somecol_3==0] <- 1
df$newcol[df$somecol_1==1 & df$somecol_2==1 & df$somecol_3==1] <- 1
df$newcol[df$somecol_1==0 & df$somecol_2==1 & df$somecol_3==0] <- 1
df$newcol[df$somecol_1==0 & df$somecol_2==1 & df$somecol_3==1] <- 1
df$newcol[df$somecol_1==0 & df$somecol_2==0 & df$somecol_3==1] <- 1
df$newcol[df$somecol_1==1 & df$somecol_2==0 & df$somecol_3==1] <- 1

我觉得我想多了，一定有办法让 3 更容易吗？如上所示，编写不同的列组合将永远花费十个。由于数据集很大，循环会变得太慢。

虚拟数据：

df <- NULL
df$somecol_1 <- c(1,0,0,NA,0,1,0,NA,1,1)
df$somecol_2 <- c(NA,1,0,0,0,1,0,NA,0,0)
df$somecol_3 <- c(0,0,0,0,0,0,0,0,0,0)
df <- as.data.frame(df)

基于以上，我希望新列是

df$newcol <- c(NA,1,0,NA,0,1,0,NA,1,1)

【问题讨论】：

您的虚拟数据不起作用。你永远不会创建df，somecol_3 有 11 个值，而其他的有 10 个。
抱歉，已编辑

标签： r

【解决方案1】：

as.numeric(rowSums(df) >= 1) 
#[1] NA  1  0 NA  0  1  0 NA  1  1

rowSums 将给出NA 如果有任何缺失值。如果所有值都为 0，则为 0，否则为 1（假设您的数据全部为 NA、0 或 1）。

（使用akrun的样本数据）

【讨论】：

这是个好方法。没想到
我相信rowSums 适用于数据框中的整行。我有兴趣使用选定数量的列。在我的问题中也进行了编辑。
@pha 您可以在子集上使用rowSums（或任何其他方法）。例如，cols_to_sum = c("somecol_1", "somecol_2", "somecol_3")，然后是 as.numeric(rowSums(df[cols_to_sum]) >= 1)。您只需要指明要考虑的列的名称或索引。
@pha 您可以手动输入列索引，键入列名，使用paste() 构造列名，使用grep 和正则表达式模式来提取列名...任何最简单的方法.

【解决方案2】：

我们可以使用rowSums

nm1 <- grep('somecol', names(df))
df$newcol <- NA^(rowSums(is.na(df[nm1])) > 0) *(rowSums(df[nm1], na.rm = TRUE) > 0)
df$newcol
#[1] NA  1  0 NA  0  1  0 NA  1  1

数据

df <- structure(list(somecol_1 = c(1, 0, 0, NA, 0, 1, 0, NA, 1, 1), 
    somecol_2 = c(NA, 1, 0, 0, 0, 1, 0, NA, 0, 0), somecol_3 = c(0, 
    0, 0, 0, 0, 0, 0, 0, 0, 0)), class = "data.frame", row.names = c(NA, 
-10L))

【讨论】：

这适用于整个数据框，而不是我需要的选定数量的列。我现在已经在问题中澄清了这一点。
@pha 更新了帖子

【解决方案3】：

df$newcol = ifelse(apply(df,1,sum)>=1,1,0)

应该做的伎俩。首先，apply 将对每一行求和，然后：每当一行中有NA 值时（第一种情况），任何操作都将返回 NA；当只有 0 时（第 2 种情况），总和为 0（女巫不是>=1) 并且 ifelse 第三个参数使新条目为 0；并且当至少有一个 1 时，总和等于或大于 1 ifelse 第二个参数使新条目成为 1。

编辑：由于您只想在某些列中运行这些条件 - 例如其列 1-7、9 和 23-24 - 您只能在 df 的那部分中使用代码：

df$newcol = as.numeric(rowSums(df[,c(1:7,9,23:24)])>=1)

OBS：我使用了 Akrun 和 Gregor 回答的简化代码。

如果您愿意，可以按名称选择列：Extracting specific columns from a data frame

【讨论】：

谢谢，但这将适用于整个数据框。我对数据框中的选定列数感兴趣。我现在已经在我的问题中澄清了这一点。