以使用 mutate、cross 和 case_when 为条件将列名连接在一列中答案

【问题标题】：Concatenate column names in one column conditional on using mutate, across and case_when以使用 mutate、cross 和 case_when 为条件将列名连接在一列中
【发布时间】：2021-08-17 23:22:50
【问题描述】：

我想：

使用across 和case_when 检查A1-A3 列是否== 1
连接 A1-A3 == 1 和的列的列名
用串联的列名改变一个新列

我的数据框：

df <- tribble(
~ID,    ~A1,    ~A2,    ~A3,
1, 0, 1, 1, 
2, 0, 1, 1, 
3, 1, 1, 1, 
4, 1, 0, 1, 
5, 0, 1, 0)

期望的输出：

# A tibble: 5 x 5
     ID    A1    A2    A3 New_Col 
  <dbl> <dbl> <dbl> <dbl> <chr>   
1     1     0     1     1 A2 A3   
2     2     0     1     1 A2 A3   
3     3     1     1     1 A1 A2 A3
4     4     1     0     1 A1 A3   
5     5     0     1     0 A2

到目前为止我已经尝试过：

df %>% 
  rowwise() %>% 
  mutate(New_Col = across(A1:A3, ~ case_when(. == 1 ~ paste0("colnames(.)", collapse = " "))))

不工作输出：

     ID    A1    A2    A3 New_Col$A1  $A2         $A3        
  <dbl> <dbl> <dbl> <dbl> <chr>       <chr>       <chr>      
1     1     0     1     1 NA          colnames(.) colnames(.)
2     2     0     1     1 NA          colnames(.) colnames(.)
3     3     1     1     1 colnames(.) colnames(.) colnames(.)
4     4     1     0     1 colnames(.) NA          colnames(.)
5     5     0     1     0 NA          colnames(.) NA

我想学什么：

是否可以使用across 跨多个列检查条件
如果是，case_when 的 ~ 之后的部分如何获取特定的列名
在使用mutate、across 和case_when 而不是像这里那样的 3 之后，我怎样才能只得到一列。

我以为我已经能够掌握这项任务，但不知怎的，我失去了它......

【问题讨论】：

标签： r dplyr across

【解决方案1】：

要将across 与case_when 一起使用，您可以这样做 -

library(dplyr)
library(tidyr)

df %>% 
  mutate(across(A1:A3, ~case_when(. == 1 ~ cur_column()), .names = 'new_{col}')) %>%
  unite(New_Col, starts_with('new'), na.rm = TRUE, sep = ' ')

#    ID    A1    A2    A3 New_Col 
#  <dbl> <dbl> <dbl> <dbl> <chr>   
#1     1     0     1     1 A2 A3   
#2     2     0     1     1 A2 A3   
#3     3     1     1     1 A1 A2 A3
#4     4     1     0     1 A1 A3   
#5     5     0     1     0 A2

across 创建 3 个名为 new_A1、new_A2 和 new_A3 的新列，如果值为 1，则使用列名，否则为 NA。使用unite，我们将三列合并为一列New_col。

我们也可以使用rowwise 和c_across -

df %>% 
  rowwise() %>% 
  mutate(New_Col = paste0(names(.[-1])[c_across(A1:A3) == 1], collapse = ' '))

【讨论】：

Ronak，我们可以在这里直接使用 cur_column 来代替 names() 吗？
您的意思是rowwise 或group_by ID 对吗？我认为我们不能这样做，因为 cur_column 只能在 across 中使用。
是的，它只返回这个错误。感谢您的解释:)

【解决方案2】：

没有rowwise/across，你也可以使用cur_data()获得相同的结果

df %>% group_by(ID) %>%
  mutate(new_col = paste0(names(df[-1])[as.logical(cur_data())], collapse = ' '))

# A tibble: 5 x 5
# Groups:   ID [5]
     ID    A1    A2    A3 new_col 
  <dbl> <dbl> <dbl> <dbl> <chr>   
1     1     0     1     1 A2 A3   
2     2     0     1     1 A2 A3   
3     3     1     1     1 A1 A2 A3
4     4     1     0     1 A1 A3   
5     5     0     1     0 A2

a . 代替 df 内部 mutate 也可以

df %>% group_by(ID) %>%
  mutate(new_col = paste0(names(.[-1])[as.logical(cur_data())], collapse = ' '))

【讨论】：

Awesome Anil ji and Ronak，有一个问题，这里cur_data是每个组，即使每个组超过1行也可以吗？因为我尝试了as.logical(df[-1]) 并期待TRUE 和FALSE 的DF，但得到了这个错误：Error: 'list' object cannot be coerced to type 'logical'。还有cur_data和cur_group有什么区别
嗨@KarthikS，你可以叫我Anil，看一些解释here。 cur_data 返回当前数据（当然是分组的），cur_group 代表分组键。所以cur_data 将在这里返回二进制值，cur_group 将返回 id。希望这很清楚

【解决方案3】：

使用base R

df$New_Col <- apply(df[-1], 1, \(x) paste(names(x)[as.logical(x)], collapse=' '))
df$New_Col
#[1] "A2 A3"    "A2 A3"    "A1 A2 A3" "A1 A3"    "A2"

或使用tidyverse

library(dplyr)
library(purrr)
library(stringr)
df %>%
   mutate(New_Col = across(A1:A3, ~ c('', cur_column())[. + 1] ) %>% 
                       invoke(str_c, .))

【讨论】：

【解决方案4】：

还涉及purrr 的一个选项可能是：

df %>%
 mutate(New_Col = pmap_chr(across(-ID), 
                           ~ paste(names(c(...))[which(c(...) == 1)], collapse = " ")))

     ID    A1    A2    A3 New_Col 
  <dbl> <dbl> <dbl> <dbl> <chr>   
1     1     0     1     1 A2 A3   
2     2     0     1     1 A2 A3   
3     3     1     1     1 A1 A2 A3
4     4     1     0     1 A1 A3   
5     5     0     1     0 A2

【讨论】：