如何对未指定的列执行条件变异（例如匹配正则表达式）？

Question

我有一个嵌套的 data.frame - df_nested，其中一列包含 df:

df <- tibble(ID_Value = 1:8,
             xyz001 = c("text4", NA, NA, NA, NA, NA, NA, "text2"), 
             xyz002 = c(NA, NA, NA, "text3", "text1", NA, NA, NA),
             xyz003 = c(NA, "text1", NA, NA, "text2", NA, "text2", NA))

我想找到一种方法，如何根据这些要求改变这个 df：

mutate(across(matches("\d")
有 4 个案例 - 4 个优先级。文本 4 <- 文本 3 <- 文本 2 <- 文本 1：我需要查找并保留仅包含最高级别文本的列值。例如如果列包含 text4，我想删除 text3、text2、text1 并将它们替换为 NA。如果它包含多个最高阶文本，我们应该保留所有这些值（例如列 xyz003）。
如何在不指定列名的情况下应用这些条件，因为列名中可以有任何数字。
如果列包含所有 NA，则什么也不做。

我的尝试：

df_nested <- df_nested %>%
    mutate(df = map(data, ~.x %>%
       mutate(across(matches("\dd"), function (x) {
                      conditions (ifelse, case_when or other)
                      ...}

此外，我们应该更好地使用 across()，还是 vars() 仍然是一个很好的方法？提前谢谢你。

预期输出

df <- tibble(ID_Value = 1:8,
             xyz001 = c("text4", NA, NA, NA, NA, NA, NA, NA), 
             xyz002 = c(NA, NA, NA, "text3", NA, NA, NA, NA),
             xyz003 = c(NA, NA, NA, NA, "text2", NA, "text2", NA))

Answer 1

您可以将 rowwise 与 c_across 一起使用：

library(dplyr)
library(tidyr)

df %>%
  rowwise() %>%
  mutate(col = suppressWarnings(max(c_across(matches('\d+')), na.rm = TRUE)))

#  ID_Value xyz001 xyz002 xyz003 col  
#     <int> <chr>  <chr>  <chr>  <chr>
#1        1 tier4  NA     NA     tier4
#2        2 NA     NA     tier1  tier1
#3        3 NA     NA     NA     NA   
#4        4 NA     tier3  NA     tier3
#5        5 NA     tier1  tier2  tier2
#6        6 NA     NA     NA     NA   
#7        7 NA     NA     tier2  tier2
#8        8 tier2  NA     NA     tier2

对字符值取 max 没有意义（并产生警告）但在这里我们可以使用它直接获取输出。

为了仅保留每行中的最大值，我们可以重塑数据：

df %>%
  pivot_longer(cols = -ID_Value) %>%
  group_by(ID_Value) %>%
  mutate(value = replace(value, -which.max(readr::parse_number(value)), NA)) %>%
  pivot_wider()

#  ID_Value xyz001 xyz002 xyz003
#     <int> <chr>  <chr>  <chr> 
#1        1 tier4  NA     NA    
#2        2 NA     NA     tier1 
#3        3 NA     NA     NA    
#4        4 NA     tier3  NA    
#5        5 NA     NA     tier2 
#6        6 NA     NA     NA    
#7        7 NA     NA     tier2 
#8        8 tier2  NA     NA

Answer 2

使用 factor 类型指定您想要的顺序。
对匹配项执行行或 column-wise 操作。

考虑这个功能

max_only <- function(x, lvls) {
  fct <- droplevels(factor(x, lvls))
  `[<-`(x, as.integer(fct) != length(levels(fct)), NA_character_)
}

然后您可以指定任何顺序

> max_only(c("apple", "banana", NA_character_), c("banana", "apple"))
[1] "apple" NA      NA     
> max_only(c("apple", "banana", NA_character_), c("apple", "banana"))
[1] NA       "banana" NA

案例 1：column-wise 操作

df %>% 
  mutate(across(matches("\d"), max_only, c("tier1", "tier2", "tier3", "tier4")))

输出（这个看起来更像你预期的输出）

# A tibble: 8 x 4
  ID_Value xyz001 xyz002 xyz003
     <int> <chr>  <chr>  <chr> 
1        1 tier4  NA     NA    
2        2 NA     NA     NA    
3        3 NA     NA     NA    
4        4 NA     tier3  NA    
5        5 NA     NA     tier2 
6        6 NA     NA     NA    
7        7 NA     NA     tier2 
8        8 NA     NA     NA

案例 2：row-wise 操作

df %>% 
  mutate(as.data.frame(t(apply(
    across(matches("\d")), 1L, 
    max_only, c("tier1", "tier2", "tier3", "tier4")
  ))))

输出

# A tibble: 8 x 4
  ID_Value xyz001 xyz002 xyz003
     <int> <chr>  <chr>  <chr> 
1        1 tier4  NA     NA    
2        2 NA     NA     tier1 
3        3 NA     NA     NA    
4        4 NA     tier3  NA    
5        5 NA     NA     tier2 
6        6 NA     NA     NA    
7        7 NA     NA     tier2 
8        8 tier2  NA     NA

解释

[<- 几乎等同于 x[...] <- y; x。如果 ... 是逻辑向量（即 TRUE/FALSE），则 x 中索引为 TRUE 的值将被 y 替换。例如，

 > x <- c("a", "b" ,"c")
 > `[<-`(x, c(FALSE, TRUE, TRUE), NA_character_)
 [1] "a" NA  NA 
 > x[c(FALSE, TRUE, TRUE)] <- NA_character_; x
 [1] "a" NA  NA

NA_character_是字符类型的NA值。
as.integer(fct) != length(levels(fct)) returns 与 fct 长度相同的逻辑向量。 TRUE 索引 fct 的值不是最高级别的位置，FALSE 索引相反，NA 索引 NAs。例如，假设 fct 看起来像这样
```
 > x <- c("apple", "banana", NA)
 > fct <- droplevels(factor(x, c("apple", "banana", "pear")))
 > fct
 [1] apple  banana <NA>  
 Levels: apple banana
```
那么，你可以看到
```
 > as.integer(fct) != length(levels(fct))
 [1]  TRUE FALSE    NA 
```
总而言之，就是把NA_character_赋值给不等于最高层的值，但保持NA不变。
```
[<-(x, as.integer(fct) != length(levels(fct)), NA_character_)
```

如何对未指定的列执行条件变异（例如匹配正则表达式）？

How to perform conditional mutate on unspecified columns (e.g. matching regex)?

r

levels

conditional-statements

dplyr

案例 1：column-wise 操作

案例 2：row-wise 操作

解释