根据其他列的条件，用第三列的值填充数据框中的一列

Question

根据其他列的条件，用第三列的值填充数据框中的一列

rdataframeconditional-statementsmultiple-columns

3

警告：对于我这个初学者来说，这个问题似乎非常容易，但在 SO 上更复杂的主题中可能没有找到正确的解决方案（请参见这里、这里、这里和其他地方）。

我想要根据另一列，并使用其他列作为输入，在我的数据框中填充一列。

以下是一个更清晰的示例：

  Version1 Version2 Version3 Version4 Presented_version Color
1     blue      red    green   yellow                 1    NA
2      red     blue   yellow    green                 4    NA
3   yellow    green      red     blue                 3    NA

我想用Version1/Version2/Version3/Version4中的一个值填充“Color”列。列Presented_version告诉我需要哪四个值之一。例如，在第1行，Presented_version是1，所以所需的值在“Version1”（“blue”）中。第1行的颜色应该是蓝色。

有没有人能够向我展示一种不使用循环和大量“if”语句来完成此操作的方法？

structure(list(Version1 = structure(1:3, .Label = c("blue", "red", 
"yellow"), class = "factor"), Version2 = structure(c(3L, 1L, 
2L), .Label = c("blue", "green", "red"), class = "factor"), Version3 = structure(c(1L, 
3L, 2L), .Label = c("green", "red", "yellow"), class = "factor"), 
    Version4 = structure(3:1, .Label = c("blue", "green", "yellow"
    ), class = "factor"), Presented_version = c(1L, 4L, 3L), 
    Color = c(NA, NA, NA)), class = "data.frame", row.names = c(NA, 
-3L))

======================= 编辑完成！

我简化了例子以解释我的问题，但上面的例子与我的实际数据集在几个方面存在差异，因此解决方案做出了假设，而我的数据实际上并不符合这些假设。以下是数据框的更准确表示。特别是，Presented_version与Version1...Version4列的内容之间没有固定的匹配（这取决于一个额外的列，我现在称之为Painter），而Version1到Version4不一定在我的数据集的第1到第4列中。

  FillerColumn Painter Version1 Version2 Version3 Version4 Version_presented Color FillerColumn.1
1           77       A     blue      red    green   yellow                 1    NA             77
2           77       B      red     blue   yellow    green                 4    NA             77
3           77       C   yellow    green      red     blue                 3    NA             77
4           77       D      red     blue   yellow    green                 1    NA             77

structure(list(FillerColumn = c(77L, 77L, 77L, 77L), Painter = structure(1:4, .Label = c("A", 
"B", "C", "D"), class = "factor"), Version1 = structure(c(1L, 
2L, 3L, 2L), .Label = c("blue", "red", "yellow"), class = "factor"), 
    Version2 = structure(c(3L, 1L, 2L, 1L), .Label = c("blue", 
    "green", "red"), class = "factor"), Version3 = structure(c(1L, 
    3L, 2L, 3L), .Label = c("green", "red", "yellow"), class = "factor"), 
    Version4 = structure(c(3L, 2L, 1L, 2L), .Label = c("blue", 
    "green", "yellow"), class = "factor"), Version_presented = c(1L, 
    4L, 3L, 1L), Color = c(NA, NA, NA, NA), FillerColumn.1 = c(77L, 
    77L, 77L, 77L)), class = "data.frame", row.names = c(NA, 
-4L))

- Kastany

3个回答

2

我喜欢对数据集进行操作。尝试使用melt方法的data.table。

df <- setDT(df)

df1 <- melt.data.table(df,
                       id.vars = c('Presented_version'),
                       measure.vars = patterns('Version'),
                       value.name = 'Color',
                       variable.name = 'Version')[
  , version1 := str_extract(Version, '\\d+')][
    Presented_version == version1][
      version1 := NULL]

resulting in

   Presented_version  Version Color 
1:                 1 Version1  blue        
2:                 3 Version3   red        
3:                 4 Version4 green

"最初的回答"可以翻译为"Original Answer"。如果你想保留相同的原始结构，请使用以下方法：

merge(df, 
      df1[, .(Presented_version, Color)],
      by = 'Presented_version')

   Presented_version Version1 Version2 Version3 Version4 Color
1:                 1     blue      red    green   yellow  blue
2:                 3   yellow    green      red     blue   red
3:                 4      red     blue   yellow    green green

- Felipe Alvarenga

谢谢，这是我最终采用的解决方案！由于实际数据框架有些复杂，我不得不调整它以包括进一步的id.vars，但它确实满足了我的需要，而且我理解了这个解决方案 :) - Kastany

1

一种使用mapply的方法。

cols <- grep("^Version", names(df))
df$Color <- unlist(mapply(function(x, y) df[x, cols][y], 
                   1:nrow(df),df$Presented_version))

df
#  Version1 Version2 Version3 Version4 Presented_version Color
#1     blue      red    green   yellow                 1  blue
#2      red     blue   yellow    green                 4 green
#3   yellow    green      red     blue                 3   red

使用apply方法

apply(df, 1, function(x) x[cols][as.numeric(x["Presented_version"])])
#[1] "blue"  "green" "red"

- Ronak Shah

在[.data.frame(df[x, cols], y)中出现错误：选择的列未定义。实际上，原始数据框中的列名是不同的，它们是：Story1、Story2、Story3、Story4和StoryPresented。（抱歉，我以为我错了，删除了评论，但如果我尝试在我的实际数据集上运行代码，确实会出现错误。） - Kastany

在这种情况下，您需要 cols <- grep("Story\\d+", names(df))，因为您不想考虑 StoryPresented 列。 - Ronak Shah

啊，非常抱歉，我觉得例子太简单了。我的数据框除了Story1/2/3/4之外还有其他列，现在我意识到grep是基于列索引的。所以可能它不起作用，因为我得到了

cols [1] 2 3 4 5 而这与StoryPresented不匹配。感谢您的帮助！

我不想占用您太多时间，我会尝试使用数据集的子集并进行合并来找到解决方法。 - Kastany

谢谢，我使用了以下更改的解决方案来处理数据中的na值并允许灵活的索引（我得到了一些帮助）： cols <- mapply( function(x) match(x, names(df)), c("Story1", "Story2", "Story3", "Story4") )df$Color <- unlist( mapply( function(x, y) if(is.na(y)) return(NA) else return(df[x, cols][y]), 1:nrow(df), df$StoryVersion)) - Kastany

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- akrun · Accepted Answer

我们可以使用向量化选项与 `行/列` 索引来提取数值，而不是任何循环。

df1$color <- df1[1:4][cbind(1:nrow(df1), df1$Presented_version)]
df1$color
#[1] "blue"  "green" "red"

基准测试

dfN <- df1[rep(seq_len(nrow(df1)), 1e6),]


system.time({
   dfN[1:4][cbind(1:nrow(dfN), dfN$Presented_version)]

 })
# user  system elapsed 
#   1.216   0.110   1.321


system.time({
 cols <- grep("^Version", names(dfN))
 unlist(mapply(function(x, y) dfN[x, cols][y], 
                    1:nrow(dfN),dfN$Presented_version))

 })
#  user  system elapsed 
# 319.907   1.644 322.418

现在，让我们来看看使用apply的另一个选项

system.time({
  apply(dfN, 1, function(x) x[cols][as.numeric(x["Presented_version"])])
 }) 
#  user  system elapsed 
# 14.240   0.365  14.550