比較R資料框中的列集并從每組兩列中保留一個值

基本上，我有一個包含許多不同變數的大型資料集。資料是成對排列的（2019 年和 2020 年），對于某些變數而言，這兩個年份的資料僅適用于 2019 年和某些僅適用于 2020 年的資料。我希望 2020 年的資料能夠“覆寫”2019 年的資料，但前提是它可用在 2020 年和 2019 年。如果任何一年都沒有可用的資料，那么資料應該保持缺失。我現在用一個小輔助函式來做到這一點，但這應該更具可擴展性，這樣我就可以為 200 多個列對做到這一點。我錯過了什么mutate(across(....),)

# Create data
mydf <- tibble(ID = 1:5,
               var1_2019 = c(9, NA, 3, 2, NA),
               var1_2020 = c(NA, NA, 3, 2, 4),
               var2_2019 = c("A", "B",NA, "D", "C"),
               var2_2020 = c(NA, "B",NA, "R", NA),
               var3_2019 = c(T, F, NA, NA, NA),
               var3_2020 = c(NA, NA, NA, NA, F))

# create little helper function. this is good because
# it could be made more complex in the future, 
# for example for numeric variables keeping the larger of the two
which_to_keep_f <-
  function(x, y) {
    if (is.na(x) && is.na(y)) {
      output <- NA
    }
    if (is.na(x) && !is.na(y)) {
      output <- y
    }
    if (!is.na(x) && is.na(y)) {
      output <- x
    }
    if (!is.na(x) && !is.na(y)) {
      output <- y
    }
    output
  }
# vectorize it
which_to_keep_f_vec <- Vectorize(which_to_keep_f)

# use function inside mutate

mydf %>% 
  mutate(var1 = which_to_keep_f_vec(var1_2019, var1_2020)) %>% 
  mutate(var2 = which_to_keep_f_vec(var2_2019, var2_2020)) %>% 
  mutate(var3 = which_to_keep_f_vec(var3_2019, var3_2020)) %>% 
  select(-contains("_20"))

uj5u.com熱心網友回復：

更新：感謝 micahkimel 洗掉list不重復資料：

這是你想要的。在這里，我們將您的函式應用于成對集：

library(dplyr)
library(stringr)
mydf %>%
  mutate(across(ends_with('_2019'), 
                ~(which_to_keep_f_vec(.,
                                          get(str_replace(cur_column(), "_2019$", "_2020"))))) %>% 
  unnest(cols=c())

       ID var1_2019 var1_2020 var2_2019 var2_2020 var3_2019 var3_2020
  <int>     <dbl>     <dbl> <chr>     <chr>     <lgl>     <lgl>    
1     1         9        NA A         NA        TRUE      NA       
2     2        NA        NA B         B         FALSE     NA       
3     3         3         3 NA        NA        NA        NA       
4     4         2         2 R         R         NA        NA       
5     5         4         4 C         NA        FALSE     FALSE   

uj5u.com熱心網友回復：

這是一種方法，它只為輸入表中的每對變數生成一個變數。首先，使用pivot_longer()將這些對折疊成單個變數，并添加year為一列（具有兩倍的觀察值）。

mydf_long = mydf %>%
  pivot_longer(cols = matches("_20"), names_to = c(".value", "year"),
               names_sep = "_")

      ID year   var1 var2  var3 
   <int> <chr> <dbl> <chr> <lgl>
 1     1 2019      9 A     TRUE 
 2     1 2020     NA NA    NA   
 3     2 2019     NA B     FALSE
 4     2 2020     NA B     NA   
 5     3 2019      3 NA    NA   
 6     3 2020      3 NA    NA   
 7     4 2019      2 D     NA   
 8     4 2020      2 R     NA   
 9     5 2019     NA C     NA   
10     5 2020      4 NA    FALSE

接下來，使用fill()較早的非缺失值填充較晚的 NA 值。然后我們可以過濾到最近的一年（2020 年）。對于每個變數，如果之前有一個值，那一年將有自己的值；否則，它將結轉上一年的價值。

mydf_long %>%
  group_by(ID) %>%
  fill(var1, var2, var3) %>%
  filter(year == 2020)

     ID year   var1 var2  var3 
  <int> <chr> <dbl> <chr> <lgl>
1     1 2020      9 A     TRUE 
2     2 2020     NA B     FALSE
3     3 2020      3 NA    NA   
4     4 2020      2 R     NA   
5     5 2020      4 C     FALSE

標籤：

上一篇：每個方面一個功能

下一篇：有沒有辦法以函式的形式向資料框添加列