Dplyr 和 Tidyverse => 有条件地替换所有变量（循环数据集）答案

【问题标题】：Dplyr and Tidyverse => conditional replace all variables (looping through a dataset)Dplyr 和 Tidyverse => 有条件地替换所有变量（循环数据集）
【发布时间】：2019-05-08 04:11:45
【问题描述】：

这是一个简单的问题，但答案却花费了我更多的时间。我找到的最接近的答案是one。所以，我在这里 - 一如既往 - 寻求帮助！

假设我有一个包含 6 个变量 (y1-y6) 的数据集，我需要将地板之前的所有值替换为“NA”，并将天花板之后的所有值替换为“NA”。

所以，这个数据

会像下面这样：

为了明确我的问题，如果变量在地板和天花板之外，我需要将条目标记为 NA。也就是说，在下图的第二行，y1必须换成NA（因为地板是y2）和y6 也必须换成NA，因为上限是y5。

我是 dplyr 用户，如果答案使用 tidyverse 环境，我会很高兴。

一如既往的感谢！

ds <- data.frame(floor = c(1:2),
                 ceiling = c(4,5),
                 y1 = c(1,2),
                 y2 = c(1,2),
                 y3 = c(1,2),
                 y4 = c(1,2),
                 y5 = c(1,2),
                 y6 = rep(c(1,2),3))

【问题讨论】：

如果值在地板/天花板之外或如果 列索引 在地板/天花板？具体来说，如果列y3 的值1 的行底为2，那么该值是否应该标记为NA？相反，如果列y1 的值为3 且行底为2，则该值是否应标记为NA？
好问题！如果 variable 不是/不在地板和天花板之外，我正在尝试将条目标记为NA。换句话说，在第二行中，y1必须替换为NA（因为地板是y2），y6也必须替换为NA，因为天花板是y5。我将编辑问题以使其清楚。 @马克彼得森

标签： r loops replace dplyr tidyverse

【解决方案1】：

您可以首先创建一个函数来确定传递的索引是否在一组边界内，如果是则分配NA，否则分配一个单独的传递值。这里，x 是列索引，val 是您要分配的值，如果不是 NA，low 是下限（下限），high 是上限（上限）：

altMask <- function(x, val, low, high){
  sapply(1:length(x), function(idx){
    ifelse(between(x[idx], low[idx], high[idx]), val[idx], NA)
  })
}

然后，您可以将数据转换为长格式（注意添加行索引变量以在转换回宽格式时使用），应用函数，然后转换回来：

ds %>%
  mutate(rowIdx = 1:n()) %>%
  gather(col, value, starts_with("y")) %>%
  mutate(value = altMask(parse_number(col), value, floor, ceiling)) %>%
  spread(col, value) %>%
  arrange(rowIdx) %>%
  select(-rowIdx)

  floor ceiling y1 y2 y3 y4 y5 y6
1     1       4  1  1  1  1 NA NA
2     2       5 NA  2  2  2  2 NA
3     1       4  1  1  1  1 NA NA
4     2       5 NA  2  2  2  2 NA
5     1       4  1  1  1  1 NA NA
6     2       5 NA  2  2  2  2 NA

【讨论】：

马克，感谢您提供的出色解决方案！我今天将使用它，但我会回到这里了解您在此代码中采取的每一步！你的回答真的很优雅！

【解决方案2】：

@Mark-Peterson 的回答效果很好，但没有必要编写外部函数。你可以只mutateif_else标准等。（if_else 是 ifelse 的矢量化形式，因此不再需要 sapply）

library(tidyverse)
ds <- data.frame(floor = c(1:2),
                 ceiling = c(4,5),
                 y1 = c(1,2),
                 y2 = c(1,2),
                 y3 = c(1,2),
                 y4 = c(1,2),
                 y5 = c(1,2),
                 y6 = rep(c(1,2),3))

ds %>%
  mutate(rowIdx = 1:n()) %>%
  pivot_longer(cols = starts_with("y"), names_to = "col") %>%
  mutate(col_num = parse_number(col),
         value_after_floor_and_ceiling = if_else(col_num >= floor & col_num <= ceiling, value, NA_real_)) %>%
  select(-col_num, -value, value = value_after_floor_and_ceiling) %>%
  pivot_wider(names_from = "col") %>%
  arrange(rowIdx) %>%
  select(-rowIdx)
#> # A tibble: 6 x 8
#>   floor ceiling    y1    y2    y3    y4    y5    y6
#>   <int>   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1     1       4     1     1     1     1    NA    NA
#> 2     2       5    NA     2     2     2     2    NA
#> 3     1       4     1     1     1     1    NA    NA
#> 4     2       5    NA     2     2     2     2    NA
#> 5     1       4     1     1     1     1    NA    NA
#> 6     2       5    NA     2     2     2     2    NA

^{由reprex package (v0.3.0) 于 2019 年 12 月 1 日创建}

【讨论】：