R有条件地通过查找替换更多列

Question

假设我们在数据框 df1 中确实有很多数据列（名称为 mycols 以及一些在这种情况下不应处理的未命名的列） 和一列 subj，它也是另一个数据帧 df2 的索引，列为 repl 和 subj （在第二个数据框中 subj 是唯一的）和许多其他不重要的列（它们在这方面的唯一作用是，我们不能假设只有 2 列）。

我想以这样的方式替换列的子集（df1[mycols]），如果有 NA ( df1[mycols][is.na(df1[mycols])] ) <- 替换为列 df2$repl 其中 df2 中的行有 df2$subj = df1$subj.

编辑：示例数据（我不知道将其写入数据帧分配的命令）：

mycols = c("a","b")
df1:
subj a  b  c
1    NA NA 1
1    2  3  5
2    0  NA 2
3    8  8  8
df2:
subj repl notinterested
1     5    1000
2     6    0
3     40   10
result:
df1-transformed-to:
subj a  b  c
1    5  5  1      #the 2 fives appeared by lookup
1    2  3  5
2    0  6  2     #the 6 appeared
3    8  8  8

我想出了以下代码：

df1[,mycols][is.na(df1[,mycols])] <- df2[match( df1$subj, df2$subj),"repl"]

但问题是（我认为）右侧与左侧的大小不同 - 我认为它可能适用于“mycols”中的一列，但我想对所有 mycols 执行相同的操作（如果 NA，请查看 table df2 和替换 - 替换值在行的范围内是相同的）。

（我还需要每次都明确地按名称 mycols 枚举列，因为可能还有其他列）

作为关于编程风格的小问题 - 在 R 中，什么是编写此操作的良好且快速的方法？如果它是一种过程语言，我们可以转换

df1[,mycols][is.na(df1[,mycols])]

采用我认为更好、更易读的方法：

function(x){ *x[is.na(*x)] }
function(& df1[,mycols])

可以肯定的是，没有任何东西会被不必要地从一个地方复制到另一个地方。

Answer 1

以下是使用 ifelse() 的可能解决方案：

mycols <- c('a','b');
df1 <- data.frame(subj=c(1,1,2,3), a=c(NA,2,0,8), b=c(NA,3,NA,8), c=c(1,5,2,8) );
df2 <- data.frame(subj=c(1,2,3), repl=c(5,6,40), notinterested=c(1000,0,10) );
df1[mycols] <- ifelse(is.na(df1[mycols]),matrix(df2[match(df1$subj,df2$subj),'repl'],nrow(df1),length(mycols)),as.matrix(df1[mycols]));
df1;
##   subj a b c
## 1    1 5 5 1
## 2    1 2 3 5
## 3    2 0 6 2
## 4    3 8 8 8

Answer 2

使用您的代码，我们需要 replicate 'repl' 列使两个子集数据集相等，然后像您一样分配值

 val <- df2$repl[match(df1$subj, df2$subj)][row(df1[mycols])][is.na(df1[mycols])]
 df1[mycols][is.na(df1[mycols])] <- val
 df1
 #  subj a b c
 #1    1 5 5 1
 #2    1 2 3 5
 #3    2 0 6 2
 #4    3 8 8 8

另一个选项使用 data.table

 library(data.table)#v1.9.5+
 DT <- setDT(df1, key='subj')[df2[c('subj', 'repl')]]
 for(j in mycols){
   i1 <- which(is.na(DT[[j]]))
   set(DT, i=i1, j=j, value= DT[['repl']][i1])
   }
 DT[,repl:= NULL]
 #   subj a b c
 #1:    1 5 5 1
 #2:    1 2 3 5
 #3:    2 0 6 2
 #4:    3 8 8 8

或 dplyr

 library(dplyr)
 left_join(df1, df2, by='subj') %>%
        mutate_each_(funs(ifelse(is.na(.),repl,.)), mycols) %>% 
        select(a:c)
 #  a b c
 #1 5 5 1
 #2 2 3 5
 #3 0 6 2
 #4 8 8 8

数据

 df1 <-  structure(list(subj = c(1L, 1L, 2L, 3L), a = c(NA, 2L, 0L, 8L 
 ), b = c(NA, 3L, NA, 8L), c = c(1L, 5L, 2L, 8L)), .Names = c("subj", 
 "a", "b", "c"), class = "data.frame", row.names = c(NA, -4L))

 df2 <- structure(list(subj = 1:3, repl = c(5L, 6L, 40L),
 notinterested = c(1000L, 
 0L, 10L)), .Names = c("subj", "repl", "notinterested"), 
 class = "data.frame", row.names = c(NA, -3L))

Answer 3

使用基数 R 执行此操作的一种方法：

mycols = c("a","b")
df1 <- read.table(text="subj a  b  c
1    NA NA 1
1    2  3  5
2    0  NA 2
3    8  8  8", header = TRUE)
df2 <- read.table(text="subj repl notinterested
1     5    1000
2     6    0
3     40   10", header = TRUE)
df1[mycols] <- lapply(df1[mycols], function(x) {
  x[is.na(x)] <- df2$repl[match(df1$subj[is.na(x)], df2$subj)]; x})

R有条件地通过查找替换更多列

R conditional replace more columns by lookup

r

dataframe

lookup

na

数据