#r #dplyr
#r #dplyr
Вопрос:
У меня есть два фрейма данных, которые генерируются из разных сценариев. Я хочу использовать один для изменения другого на основе условия, которое я должен проверять для каждого столбца.
DF1
dgCondition a_1000 a_1001 a_1010 a_1011
1 0 0 0 0
2 0 1 1 1
3 1 0 1 0
4 0 0 0 0
5 1 0 0 1
6 0 0 1 0
7 0 0 0 1
8 1 0 1 0
9 0 0 0 0
DF2
dgCondition a_1000 a_1001 a_1010 a_1011
1 1 1 0 0
2 0 1 1 1
1 0 0 1 1
5 1 1 1 0
7 1 1 0 0
7 1 0 0 0
7 0 0 0 0
1 0 0 0 0
7 0 1 0 1
4 0 1 0 1
4 0 1 0 1
4 0 0 1 0
4 0 0 1 0
4 1 1 0 1
6 1 1 0 1
6 1 1 0 0
6 0 0 1 0
6 0 0 1 0
Этот код выполняет то, что я хочу сделать для одного случая, но я не знаю, как заставить это работать для всех последующих столбцов. Мне нужно проверить многие, и имена и количество столбцов будут варьироваться в зависимости от данных, используемых сценариями, которые генерируют фреймы данных выше.
testVect <- DF1 %>% filter(a_1000 == 1)
testVect <- testVect %>% select(-contains("a_"))
DF2 <- DF2 %>% mutate(aDG_1000 = (a_1000 == 1 amp; dgCondition %in% testVect$dgCondition)*1)
Строки выше фильтруются DF1$dgCondition так, чтобы оставались только строки, где a_1000 == 1 , так что в этом случае 3,5, 8. Затем я устанавливаю a_1000 значение 0 везде, кроме тех случаев, когда оно уже было установлено в 1, и одно из условий соответствует одному testVect . Таким образом, результатом для a_1000 in DF2 является новый столбец с:
dgCondition aDG_1000
1 0
2 0
1 0
5 1
7 0
7 0
7 0
1 0
7 0
4 0
4 0
4 0
4 0
4 0
6 0
6 0
6 0
6 0
Я пытался создать цикл for для перебора каждого столбца, но безуспешно. Я также изучал возможность do.call с помощью lapply. Но мне пока тоже не повезло с этим. Я чувствую, что мне не хватает чего-то, что заставило бы это работать, поэтому я подумал спросить экспертов.
Спасибо за помощь.
Комментарии:
1. Я думаю, что в примере есть ошибка: вы, вероятно, имеете в виду
dgCondition %in% testVect$dgCondition, а не%in% DF1$dgCondition2. ах, вы правы
Ответ №1:
Базовый подход R :
result <- cbind(df2[1], mapply(function(x, y) {
as.integer(df2$dgCondition %in% x amp; y == 1)
}, lapply(df1[-1], function(x) df1$dgCondition[x == 1]), df2[-1]))
result
# dgCondition a_1000 a_1001 a_1010 a_1011
#1 1 0 0 0 0
#2 2 0 1 1 1
#3 1 0 0 0 0
#4 5 1 0 0 0
#5 7 0 0 0 0
#6 7 0 0 0 0
#7 7 0 0 0 0
#8 1 0 0 0 0
#9 7 0 0 0 1
#10 4 0 0 0 0
#11 4 0 0 0 0
#12 4 0 0 0 0
#13 4 0 0 0 0
#14 4 0 0 0 0
#15 6 0 0 0 0
#16 6 0 0 0 0
#17 6 0 0 1 0
#18 6 0 0 1 0
lapply(df1[-1], function(x) df1$dgCondition[x == 1]) возвращает dgCondition значения в каждом столбце, где значение равно 1. Эти значения вместе с df2 мы передаем mapply и присваиваем 1, если dgCondition of df1 присутствует в df2 , а также его y значение равно 1.
Комментарии:
1. потрясающе. Отлично работает. Я еще не использовал
lapplyиmapply, и, похоже, мне придется их прочитать. Одна вещь, которую я не понимаю, — зачем использовать -1 в[ ]?2. Это означает игнорировать первый столбец в обоих фреймах данных, который есть
dgCondition.
Ответ №2:
Вот подход, позволяющий преобразовать все в длинный формат.
library(tidyverse)
DF1 <- read.table(text="dgCondition a_1000 a_1001 a_1010 a_1011
1 0 0 0 0
2 0 1 1 1
3 1 0 1 0
4 0 0 0 0
5 1 0 0 1
6 0 0 1 0
7 0 0 0 1
8 1 0 1 0
9 0 0 0 0", header=TRUE)
DF2 <- read.table(text="dgCondition a_1000 a_1001 a_1010 a_1011
1 1 1 0 0
2 0 1 1 1
1 0 0 1 1
5 1 1 1 0
7 1 1 0 0
7 1 0 0 0
7 0 0 0 0
1 0 0 0 0
7 0 1 0 1
4 0 1 0 1
4 0 1 0 1
4 0 0 1 0
4 0 0 1 0
4 1 1 0 1
6 1 1 0 1
6 1 1 0 0
6 0 0 1 0
6 0 0 1 0", header=TRUE)
testVect <- DF1 %>% filter(a_1000 == 1)
testVect <- testVect %>% select(-contains("a_"))
DF2bis <- DF2 %>% mutate(aDG_1000 = (a_1000 == 1 amp; (dgCondition %in% testVect$dgCondition))*1)
Сначала давайте переформулируем DF1 более практичным способом:
conds_for_DF1 <- pivot_longer(DF1,
starts_with("a_"),
names_to = "a_xxx") %>%
filter(value == 1) %>%
group_by(a_xxx) %>%
summarize(dgConds_DF1 = list(dgCondition),
dgConds_readable = paste(dgCondition, collapse=", "))
#> `summarise()` ungrouping output (override with `.groups` argument)
conds_for_DF1
#> # A tibble: 4 x 3
#> a_xxx dgConds_DF1 dgConds_readable
#> <chr> <list> <chr>
#> 1 a_1000 <int [3]> 3, 5, 8
#> 2 a_1001 <int [1]> 2
#> 3 a_1010 <int [4]> 2, 3, 6, 8
#> 4 a_1011 <int [3]> 2, 5, 7
Обратите внимание, что я буду использовать столбец dgConds_DF1 , я просто добавил символьную версию dgConds_readable , чтобы визуализировать, что происходит.
Затем мы можем преобразовать DF2 в более длинный формат и просто join использовать наш преобразованный DF1. Таким образом, каждая строка имеет одно условие dgCondition и a_xxx, после чего мы можем просто проверять условия по отдельности.
pivot_longer(DF2,
starts_with("a_"),
names_to = "a_xxx") %>%
left_join(conds_for_DF1, by= "a_xxx") %>%
mutate(dgCond_in_DF1 = map2_lgl(dgCondition, dgConds_DF1, ~ .x %in% .y),
aDG_xxx = value * dgCond_in_DF1)
#> # A tibble: 72 x 7
#> dgCondition a_xxx value dgConds_DF1 dgConds_readable dgCond_in_DF1 aDG_xxx
#> <int> <chr> <int> <list> <chr> <lgl> <int>
#> 1 1 a_1000 1 <int [3]> 3, 5, 8 FALSE 0
#> 2 1 a_1001 1 <int [1]> 2 FALSE 0
#> 3 1 a_1010 0 <int [4]> 2, 3, 6, 8 FALSE 0
#> 4 1 a_1011 0 <int [3]> 2, 5, 7 FALSE 0
#> 5 2 a_1000 0 <int [3]> 3, 5, 8 FALSE 0
#> 6 2 a_1001 1 <int [1]> 2 TRUE 1
#> 7 2 a_1010 1 <int [4]> 2, 3, 6, 8 TRUE 1
#> 8 2 a_1011 1 <int [3]> 2, 5, 7 TRUE 1
#> 9 1 a_1000 0 <int [3]> 3, 5, 8 FALSE 0
#> 10 1 a_1001 0 <int [1]> 2 FALSE 0
#> # ... with 62 more rows
Наконец, если вы хотите восстановить исходный формат с помощью a_xxx в виде отдельных столбцов, вам просто нужно pivot_wider . Однако есть один нюанс: поскольку несколько строк DF2 имеют одинаковое условие dgCondition, нам нужен отдельный идентификатор строки для их восстановления:
DF2 %>%
mutate(row_id = row_number()) %>%
pivot_longer(starts_with("a_"),
names_to = "a_xxx") %>%
left_join(conds_for_DF1, by= "a_xxx") %>%
mutate(dgCond_in_DF1 = map2_lgl(dgCondition, dgConds_DF1, ~ .x %in% .y),
aDG_xxx = value * dgCond_in_DF1) %>%
select(row_id, dgCondition, a_xxx, aDG_xxx) %>%
pivot_wider(names_from = "a_xxx",
values_from = "aDG_xxx") %>%
select(-row_id)
#> # A tibble: 18 x 5
#> dgCondition a_1000 a_1001 a_1010 a_1011
#> <int> <int> <int> <int> <int>
#> 1 1 0 0 0 0
#> 2 2 0 1 1 1
#> 3 1 0 0 0 0
#> 4 5 1 0 0 0
#> 5 7 0 0 0 0
#> 6 7 0 0 0 0
#> 7 7 0 0 0 0
#> 8 1 0 0 0 0
#> 9 7 0 0 0 1
#> 10 4 0 0 0 0
#> 11 4 0 0 0 0
#> 12 4 0 0 0 0
#> 13 4 0 0 0 0
#> 14 4 0 0 0 0
#> 15 6 0 0 0 0
#> 16 6 0 0 0 0
#> 17 6 0 0 1 0
#> 18 6 0 0 1 0