R如何改变行的子集

Question

我在更改 dplyr 中的一部分行时遇到问题。我正在使用链接命令：%>% 表示：

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

这工作正常，但问题是我希望能够 select 整个原始 table 并看到仅应用于我指定的数据子集的变异。我的问题是，当我在此之后查看数据时，我只能看到 data 的子集及其更新的 ColB 信息。

我也想知道如何使用 data.table。

谢谢。

Answer 1

当您使用 filter() 时，您实际上是在删除与您指定的条件不匹配的行，因此它们不会出现在最终数据集中。

ColB 是否已存在于您的数据框中？如果是这样，

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

将在 ColA == "ABC" 时将 ColB 更改为 "XXXX"，否则保持原样。如果 ColB 尚不存在，则您必须指定对 ColA != "ABC" 所在的行执行的操作，例如：

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

Answer 2

另一种选择是对相同的数据进行联合和反联合的后续组合。这需要一个主键：

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

示例：

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

这可能比任何其他方法都慢得多，但对于通过扩展现有管道快速获得结果很有用。

Answer 3

使用 data.table，我们会做：

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

并且值被修改就地，与 if-else 不同，后者会复制整个列以仅替换满足条件的那些行。

我们通过引用称其为子分配。您可以在 new HTML vignettes.

中阅读更多相关信息

Answer 4

刚刚更新 （到 2022 年 6 月 2 日） @krlmlr 很好的回答：

add_rownames() 已弃用，请改用 tibble::rownames_to_column()。 rbind_list 也已弃用，请使用 bind_rows 代替

您可能还会在生成的连接数据集中发现不同的行序列，这取决于您的目标，之后很难用 dplyr::arrange() 进行更正。

一个替代方案，虽然速度较慢，但是：

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

R How to mutate a subset of rows