ifelse 语句将值分配给新列，使用数值列表
ifelse statement to assign values to a new column, working with lists of numeric values
我有一个看起来像这样的数据框：
# Minimal example dataframe
identifier <- c(
"A",
"B",
"C",
"D",
"E",
"F"
)
value_1 <- c(
"1231811, 1231877",
"1231911, 1233069, 1232767",
"1231919",
NA,
"1232135, 1233145",
NA
)
value_2 <- c(
1231811,
190477,
922661,
950711,
992647,
NA
)
value_3 <- c(
1231877,
1233069,
9774041,
9774041,
1314063,
1231379
)
test_df <- data.frame(identifier, value_1, value_2, value_3)
identifier value_1 value_2 value_3
1 A 1231811, 1231877 1231811 1231877
2 B 1231911, 1233069, 1232767 190477 1233069
3 C 1231919 922661 9774041
4 D <NA> 950711 9774041
5 E 1232135, 1233145 992647 1314063
6 F <NA> <NA> 1231379
我想创建一个新列“final_value”，并用来自 value_1、value_2 或 value_3 的单个值填充它层次结构优先 value_1 值匹配 value_2 中的值，然后是 value_3。如果 value_1 不是 NA 并且没有匹配 value_2 或 value_3 中的任何值，我想用逗号分隔的 [=] 中的第一个值填充 final_value 29=] 字符串。如果 value_1 为 NULL，则用 value_2 填充 final_value，或者，如果它也为 NULL，则用 value_3 填充。最终数据框如下所示：
identifier value_1 value_2 value_3 final_value
1 A 1231811, 1231877 1231811 1231877 1231811 # 1231811 from value_1 matches value_2 (preferred match)
2 B 1231911, 1233069, 1232767 190477 1233069 1233069 # no values from value_1 match value_2; however, 1233069 from value_1 matches value_3
3 C 1231919 922661 9774041 1231919 # no values from value_1 match other columns; just fill with value_1
4 D <NA> 950711 9774041 950711 # value_1 is NA, so fill in with value_2
5 E 1232135, 1233145 992647 1314063 1232135 # no values from value_1 match other columns, fill with first item from value_1 list
6 F <NA> <NA> 1231379 1231379 # value_1 and value_2 are NA, so fill in with value_3
这是我目前的方法...
library(purrr)
library(dplyr)
# change value_1 column into a list of numeric values
test_df <- test_df%>% mutate(value_1 = map(value_1,function(x) (as.numeric(unlist(str_split(x,","))))))
# create a new column to hold the final selected value
test_df$final_value <- NA
# ifelse statement
test_df$final_value <-
# if any of the elements in value_1 match the value_2 value, fill the new column with value_2
ifelse(!is.na(test_df$value_1) & test_df$value_1 %in% test_df$value_2, test_df$value_2,
# otherwise, if a value in value_1 matches value_3, fill in with value_3
ifelse(!is.na(test_df$value_1) & test_df$value_1 %in% test_df$value_3, test_df$value_3,
# if none of the values in value_1 match the other columns, fill in with the first value_1 list value
ifelse(!is.na(test_df$value_1) & !(test_df$value_1 %in% test_df$value_2) & !(test_df$value_1 %in% test_df$value_3), test_df$value_1, #NOTE: have tried test_df$value_1[1] and test_df$value_1[[1]] without success to get the first list item returned
# if value_1 is NA, fill in with value_2
ifelse(is.na(test_df$value_1) & !is.na(test_df$value_2), test_df$value_2,
# if value_1 is NA and value_2 is NA, fill in with value_3
ifelse(is.na(test_df$value_1) & is.na(test_df$value_2) & !is.na(test_df$value_3), test_df$value_3, NA
)))))
结果有一些问题：
identifier value_1 value_2 value_3 final_value
1 A 1231811, 1231877 1231811 1314063 1231811, 1231877
2 B 1231911, 1233069, 1232767 190477 1233069 1231911, 1233069, 1232767
3 C 1231919 922661 9774041 1231919
4 D NA 950711 9774041 950711
5 E 1232135, 1233145 992647 1314063 1232135, 1233145
6 F NA NA 1231379 1231379
ifelse 的前三行未按预期工作。它无法 return final_value 中匹配的 value_2 或 value_3 值，我也无法将其 return 来自 [=29= 的第一个列表项] 其中没有任何匹配的 value_2 或 value_3 值。对于后者，我已经尝试指定 test_df$value_1[[1]][1]（和类似的）但这只是 returns identifer A value_1 列表中的第一项：
identifier value_1 value_2 value_3 final_value
1 A 1231811, 1231877 1231811 1314063 1231811
2 B 1231911, 1233069, 1232767 190477 1233069 1231811
3 C 1231919 922661 9774041 1231811
4 D NA 950711 9774041 950711
5 E 1232135, 1233145 992647 1314063 1231811
6 F NA NA 1231379 1231379
如有任何帮助，我们将不胜感激。
首先，嵌套 ifelse 超过 2 层通常会让我建议 case_when。但是，在这种情况下，我认为有一个更好的解决方案：
func func <- function(A, ...) {
if (length(A) == 1L && is.na(A)) {
if (length(list(...))) na.omit(unlist(list(...)))[1] else NA
} else {
L <- lapply(list(...), intersect, x = A)
L <- c(L[lengths(L) > 0], A)
L[[1]][1]
}
}
library(dplyr)
test_df %>%
mutate(
final_value = mapply(func, strsplit(value_1, "[, ]+"), value_2, value_3)
)
# identifier value_1 value_2 value_3 final_value
# 1 A 1231811, 1231877 1231811 1231877 1231811
# 2 B 1231911, 1233069, 1232767 190477 1233069 1233069
# 3 C 1231919 922661 9774041 1231919
# 4 D <NA> 950711 9774041 950711
# 5 E 1232135, 1233145 992647 1314063 1232135
# 6 F <NA> NA 1231379 1231379
因为我在 func 中使用了 ...，这会根据需要处理 “0 个或更多” 其他 value_* 变量；如果您有 3 个或 30 个以上，它将应用相同的逻辑。此外，... 中的顺序很重要，较早列出的那些将在匹配中获得更高的优先级。
c(L[lengths(L) > 0], A) 确保 (1) 我们只考虑 value_* 具有非空交集（第一部分），如果所有这些都是空的，我们使用在 A。 （万一 A 是 NA 而所有 value_* 都是空的，那么......你会得到 NA。）
仅供参考，其中一个内部步骤是使用 strsplit 将逗号分隔的数字字符串拆分为列表列。如果您要执行更多需要在其中的各个组件上工作的类似操作，您可能更愿意使用 mutate(value_1 = strsplit(value_1, "[ ,]+"))（或类似的）保持原样。
我有一个看起来像这样的数据框：
# Minimal example dataframe
identifier <- c(
"A",
"B",
"C",
"D",
"E",
"F"
)
value_1 <- c(
"1231811, 1231877",
"1231911, 1233069, 1232767",
"1231919",
NA,
"1232135, 1233145",
NA
)
value_2 <- c(
1231811,
190477,
922661,
950711,
992647,
NA
)
value_3 <- c(
1231877,
1233069,
9774041,
9774041,
1314063,
1231379
)
test_df <- data.frame(identifier, value_1, value_2, value_3)
identifier value_1 value_2 value_3
1 A 1231811, 1231877 1231811 1231877
2 B 1231911, 1233069, 1232767 190477 1233069
3 C 1231919 922661 9774041
4 D <NA> 950711 9774041
5 E 1232135, 1233145 992647 1314063
6 F <NA> <NA> 1231379
我想创建一个新列“final_value”，并用来自 value_1、value_2 或 value_3 的单个值填充它层次结构优先 value_1 值匹配 value_2 中的值，然后是 value_3。如果 value_1 不是 NA 并且没有匹配 value_2 或 value_3 中的任何值，我想用逗号分隔的 [=] 中的第一个值填充 final_value 29=] 字符串。如果 value_1 为 NULL，则用 value_2 填充 final_value，或者，如果它也为 NULL，则用 value_3 填充。最终数据框如下所示：
identifier value_1 value_2 value_3 final_value
1 A 1231811, 1231877 1231811 1231877 1231811 # 1231811 from value_1 matches value_2 (preferred match)
2 B 1231911, 1233069, 1232767 190477 1233069 1233069 # no values from value_1 match value_2; however, 1233069 from value_1 matches value_3
3 C 1231919 922661 9774041 1231919 # no values from value_1 match other columns; just fill with value_1
4 D <NA> 950711 9774041 950711 # value_1 is NA, so fill in with value_2
5 E 1232135, 1233145 992647 1314063 1232135 # no values from value_1 match other columns, fill with first item from value_1 list
6 F <NA> <NA> 1231379 1231379 # value_1 and value_2 are NA, so fill in with value_3
这是我目前的方法...
library(purrr)
library(dplyr)
# change value_1 column into a list of numeric values
test_df <- test_df%>% mutate(value_1 = map(value_1,function(x) (as.numeric(unlist(str_split(x,","))))))
# create a new column to hold the final selected value
test_df$final_value <- NA
# ifelse statement
test_df$final_value <-
# if any of the elements in value_1 match the value_2 value, fill the new column with value_2
ifelse(!is.na(test_df$value_1) & test_df$value_1 %in% test_df$value_2, test_df$value_2,
# otherwise, if a value in value_1 matches value_3, fill in with value_3
ifelse(!is.na(test_df$value_1) & test_df$value_1 %in% test_df$value_3, test_df$value_3,
# if none of the values in value_1 match the other columns, fill in with the first value_1 list value
ifelse(!is.na(test_df$value_1) & !(test_df$value_1 %in% test_df$value_2) & !(test_df$value_1 %in% test_df$value_3), test_df$value_1, #NOTE: have tried test_df$value_1[1] and test_df$value_1[[1]] without success to get the first list item returned
# if value_1 is NA, fill in with value_2
ifelse(is.na(test_df$value_1) & !is.na(test_df$value_2), test_df$value_2,
# if value_1 is NA and value_2 is NA, fill in with value_3
ifelse(is.na(test_df$value_1) & is.na(test_df$value_2) & !is.na(test_df$value_3), test_df$value_3, NA
)))))
结果有一些问题：
identifier value_1 value_2 value_3 final_value
1 A 1231811, 1231877 1231811 1314063 1231811, 1231877
2 B 1231911, 1233069, 1232767 190477 1233069 1231911, 1233069, 1232767
3 C 1231919 922661 9774041 1231919
4 D NA 950711 9774041 950711
5 E 1232135, 1233145 992647 1314063 1232135, 1233145
6 F NA NA 1231379 1231379
ifelse 的前三行未按预期工作。它无法 return final_value 中匹配的 value_2 或 value_3 值，我也无法将其 return 来自 [=29= 的第一个列表项] 其中没有任何匹配的 value_2 或 value_3 值。对于后者，我已经尝试指定 test_df$value_1[[1]][1]（和类似的）但这只是 returns identifer A value_1 列表中的第一项：
identifier value_1 value_2 value_3 final_value
1 A 1231811, 1231877 1231811 1314063 1231811
2 B 1231911, 1233069, 1232767 190477 1233069 1231811
3 C 1231919 922661 9774041 1231811
4 D NA 950711 9774041 950711
5 E 1232135, 1233145 992647 1314063 1231811
6 F NA NA 1231379 1231379
如有任何帮助，我们将不胜感激。
首先，嵌套 ifelse 超过 2 层通常会让我建议 case_when。但是，在这种情况下，我认为有一个更好的解决方案：
func func <- function(A, ...) {
if (length(A) == 1L && is.na(A)) {
if (length(list(...))) na.omit(unlist(list(...)))[1] else NA
} else {
L <- lapply(list(...), intersect, x = A)
L <- c(L[lengths(L) > 0], A)
L[[1]][1]
}
}
library(dplyr)
test_df %>%
mutate(
final_value = mapply(func, strsplit(value_1, "[, ]+"), value_2, value_3)
)
# identifier value_1 value_2 value_3 final_value
# 1 A 1231811, 1231877 1231811 1231877 1231811
# 2 B 1231911, 1233069, 1232767 190477 1233069 1233069
# 3 C 1231919 922661 9774041 1231919
# 4 D <NA> 950711 9774041 950711
# 5 E 1232135, 1233145 992647 1314063 1232135
# 6 F <NA> NA 1231379 1231379
因为我在 func 中使用了 ...，这会根据需要处理 “0 个或更多” 其他 value_* 变量；如果您有 3 个或 30 个以上，它将应用相同的逻辑。此外，... 中的顺序很重要，较早列出的那些将在匹配中获得更高的优先级。
c(L[lengths(L) > 0], A) 确保 (1) 我们只考虑 value_* 具有非空交集（第一部分），如果所有这些都是空的，我们使用在 A。 （万一 A 是 NA 而所有 value_* 都是空的，那么......你会得到 NA。）
仅供参考，其中一个内部步骤是使用 strsplit 将逗号分隔的数字字符串拆分为列表列。如果您要执行更多需要在其中的各个组件上工作的类似操作，您可能更愿意使用 mutate(value_1 = strsplit(value_1, "[ ,]+"))（或类似的）保持原样。