如何在R中对行的子集进行数据变换

Question

我在dplyr中尝试对行子集进行变异但出了问题。我使用链式命令%>%来表示：

data <- data %>%
  filter(ColA == "ABC") %>%
  mutate(ColB = "XXXX")

这个方法运行良好，但问题在于我想选择整个原始表格，并仅查看应用于我指定的数据子集的变异。我的问题是，在此之后查看数据时，我只看到了 data 子集及其更新的 ColB 信息。

我还想知道如何使用data.table完成此操作。

谢谢。

- mo_maat

---

我发现https://dev59.com/HVsX5IYBdhLWcg3wNtPA#34096575提供了一个全面的探索，用于修改选定行。 - Shixiang Wang

Answer 1

当您使用filter()方法时，实际上是在删除与指定条件不匹配的行，因此它们不会出现在最终数据集中。

ColB是否已经存在于您的数据框中？如果是，则

data %>%
  mutate(ColB = ifelse(ColA == "ABC", "XXXX", ColB))

当 ColA == "ABC" 时，将会把 ColB 修改为 "XXXX"，否则保持原样。如果 ColB 不存在，那么你需要指定在 ColA != "ABC" 的行中应该执行什么操作，例如：

data %>%
  mutate(ColB = ifelse(ColA == "ABC", "XXXX", NA))

- Kara Woo

Answer 2

使用 data.table ，我们可以这样做：

setDT(data)[colA == "ABC", ColB := "XXXX"]

值被原地修改，不同于if-else会把整列复制一遍来替换仅满足条件的行。

我们称之为按引用子赋值。 您可以在新的HTML随笔中了解更多相关信息。

- Arun

---

谢谢。这个方法可行。那么如何进行多条件筛选呢？我尝试了以下代码，但似乎语法不正确。setDT(data)[(colA == "ABC") & (colC =="DEF"), ColB := "XXXX"] - mo_maat

@user1991118 那 是 正确的语法 - 也许你可以展示一个可重现的例子。我唯一能想到的是，也许你想使用 | 而不是 &。 - eddi

那确实是正确的语法。我使用了错误的变量。它现在可以工作了。 - mo_maat

Answer 3

另一个选项是对相同的数据执行联合和反连接的后续组合。这需要一个主键：

data <- data %>%
  filter(ColA == "ABC") %>%
  mutate(ColB = "XXXX") %>%
  rbind_list(., anti_join(data, ., by = ...))

例子：

mtcars_n <- mtcars %>% add_rownames
mtcars_n %>%
  filter(cyl > 6) %>%
  mutate(mpg = 1) %>%
  rbind_list(., anti_join(mtcars_n, ., by = "rowname"))

这种方法比其他任何方法都要慢得多，但可以通过扩展现有的管道来快速获得结果。

- krlmlr

Answer 4

更新于 (截至2022年6月2日)，@krlmlr的回答很好：

add_rownames()已被弃用，请改用tibble::rownames_to_column()。 rbind_list也已被弃用，请改用bind_rows。

你可能会在结果数据集中发现不同顺序的行，这取决于你的目标，使用dplyr::arrange()进行后续更正可能会比较困难。

另一种选择是较慢但可行的：

mtcars_n <- mtcars %>% 
  add_rownames() %>% 
  filter(cyl > 6) %>%
  mutate(new_col = 1)
mtcars_m <- left_join(x=mtcars, y=mtcars_n)

- Eduardo Zanette