R：根据条件列表创建指标列

Question

我有一个数据框和一些条件。每个条件都应该检查数据帧特定列中的值是否在一组有效值内。

这是我试过的：

# create the sample dataframe
age <- c(120, 45)
sex <- c("x", "f")

df <-data.frame(age, sex)

# create the sample conditions
conditions <- list(
  list("age", c(18:100)),
  list("sex", c("f", "m"))
)

addIndicator <- function (df, columnName, validValues) {
  indicator <- vector()

  for (row in df[, toString(columnName)]) {
    # for some strange reason, %in% doesn't work correctly here, but always returns FALSe
    indicator <- append(indicator, row %in% validValues)
  }
  df <- cbind(df, indicator)

  # rename the column
  names(df)[length(names(df))] <- paste0("I_", columnName)

  return(df)
}

for (condition in conditions){
  columnName <- condition[1]
  validValues <- condition[2]
  df <- addIndicator(df, columnName, validValues)
}

print(df)

然而，这导致所有条件都被认为不满足——这不是我所期望的：

  age sex I_age I_sex
1 120   x FALSE FALSE
2  45   f FALSE FALSE

我认为 %in% 不是 return 预期的结果。我检查了 typeof(row) 并试图将其归结为一个最小的例子。在一个简单的 ME 中，变量的类型和值相同，%in% 可以正常工作。因此，在我尝试应用它的上下文中一定有问题。由于这是我第一次尝试用 R 编写任何东西，所以我被困在这里。

我哪里做错了，我怎样才能达到我想要的效果？

Answer 1

conditions 似乎是一个嵌套列表。当您使用：

validValues <- condition[2]

在你的 for 循环中，你的结果也是一个列表。

要获取用于 %in% 的值向量，您可以通过以下方式提取 [[：

validValues <- condition[[2]]

获取指标的简化方法可以使用一个简单的列表：

conditions_lst <- list(age = 18:100, sex = c("f", "m"))

并使用 sapply 而不是 for 循环：

cbind(df, sapply(setNames(names(df), paste("I", names(df), sep = "_")), function(x) {
  df[[x]] %in% conditions_lst[[x]]
}))

输出

  age sex I_age I_sex
1 120   x FALSE FALSE
2  45   f  TRUE  TRUE

Answer 2

如果您更喜欢使用 tidyverse 系列软件包的方法：

library(tidyverse)

allowed_values <- list(age = 18:100, sex = c("f", "m"))

df %>%
  imap_dfr(~ .x %in% allowed_values[[.y]]) %>%
  rename_with(~ paste0('I_', .x)) %>%
  bind_cols(df)

imap_dfr 允许您使用 lambda 函数操作 df 中的每一列。 .x 引用列内容，.y 引用名称。

rename_with 使用另一个 lambda 函数重命名列，bind_cols 将结果与原始数据框组合。

我从本的回答中借用了简化的条件列表。我发现我的方法更具可读性，但这是一个品味问题，也取决于您是否已经在其他地方使用 tidyverse。

Answer 3

另一种使用 across 和 cur_column() 的方法（并且严重依赖 severin 的解决方案）：

library(tidyverse)

df <- tibble(age = c(12, 45), sex = c('f', 'f'))
allowed_values <- list(age = 18:100, sex = c("f", "m"))

df %>%
  mutate(across(c(age, sex),
                c(valid = ~ .x %in% allowed_values[[cur_column()]])
                )
         )

参考：https://dplyr.tidyverse.org/articles/colwise.html#current-column

R：根据条件列表创建指标列

R: Create Indicator Columns from list of conditions

r

indicator