使用来自不同现有列的值，使用日期作为选择标准，逐行填充新列答案

【问题标题】：Populate new column row-by-row using values from different existing columns, using date as selection criteria使用来自不同现有列的值，使用日期作为选择标准，逐行填充新列
【发布时间】：2018-10-30 14:38:25
【问题描述】：

我正在使用 R 编辑 GPS 点的 csv。该表看起来像这样：

ID    DATE        2002.08.01    2002.08.02    2002.08.03    2002.08.04
1     8/1/2002    56            41            54            89
2     8/2/2002    65            59            69            10
3     8/2/2002    66            51            61            5
4     8/3/2002    11            21            12            32

上表中以日期作为列标题的每一列都是该 GPS 点某一特定日期的雪深。我想要的是一个新列 SNOW_DEPTH，只有具有该 GPS 点的正确日期的雪深。在我给出的示例数据中，我正在寻找的解决方案是这样的：

ID    DATE        SNOW_DEPTH
1     8/1/2002    56
2     8/2/2002    59
3     8/2/2002    51
4     8/3/2002    12

请注意，解表中SNOW_DEPTH 的值是根据该行的雪深值填充的，但用于填充的列取决于日期。

我确实不想按名称列出每一列，因为在我的真实数据中有数千列（所有列都以日期作为列标题）。是否有一个简单的、基于脚本的 R 解决方案来解决我的困境？

【问题讨论】：

标签： r csv dataframe

【解决方案1】：

这是使用tidyverse 软件包套件的解决方案。请注意，我假设 DATE 存储为字符或因子。

df <- read_table("ID    DATE        2002.08.01    2002.08.02    2002.08.03    2002.08.04
1     8/1/2002    56            41            54            89
2     8/2/2002    65            59            69            10
3     8/2/2002    66            51            61            5
4     8/3/2002    11            21            12            32")

library(tidyverse)
df %>%
  gather(COL_DATE, SNOW_DEPTH, -ID, -DATE) %>%
  mutate( # this converts both `DATE` and `COL_DATE` to the date-time format.  If `DATE` is already in this format, skip the first conversion (you still need to convert `COL_DATE`).
    DATE = as.Date(DATE,format = "%m/%d/%Y"),
    COL_DATE = as.Date(COL_DATE, format = "%Y.%m.%d")
  ) %>%
  filter(DATE == COL_DATE) %>%
  select(-COL_DATE)

【讨论】：

这似乎是我的问题的解决方案，它在测试数据集上运行良好。但是，当我在我的实际数据上运行它时，会出现以下错误：Error in base::assign(nm, data[[nm]], envir = env_) : variable names are limited to 10000 bytes 有什么想法吗？
你知道哪个命令给你错误吗？（分段运行，例如从df %>% gather(COL_DATE, SNOW_DEPTH, -ID, -DATE) 开始查找）
第一部分：df %>% gather(COL_DATE, SNOW_DEPTH, -ID, -DATE)
我不确定问题出在哪里。显然，我们定义的两个变量（COL_DATE 和SNOW_DEPTH）不会引起问题。从技术上讲，日期列在技术上不是有效的列名，但我们正在将它们从列名移动到变量。我可能会尝试系统地在日期列的不同子集上运行代码，直到我找出导致问题的原因。那时，如果您无法弄清楚错误发生的原因，希望您有足够的数据来创建可重现的示例，以便这里的人可以。
为避免出现问题，我使用read.csv(check.names=FALSE) 而不是read_table 或read.table。现在可以正常使用了。

【解决方案2】：

我认为你最好的办法是制作一个“长”文件，其中ID/date/value 在页面下方运行，然后将其合并回ID 和date 上的初始数据匹配：

merge(
  transform(dat[1:2], ind=format(as.Date(DATE, format="%m/%d/%Y"), "%Y.%m.%d")),
  cbind(dat["ID"], stack(dat[-(1:2)]))
)

#  ID        ind     DATE values
#1  1 2002.08.01 8/1/2002     56
#2  2 2002.08.02 8/2/2002     59
#3  3 2002.08.02 8/2/2002     51
#4  4 2002.08.03 8/3/2002     12

cbind(dat["ID"], stack(dat[-(1:2)])) 给出长文件：

#   ID values        ind
#1   1     56 2002.08.01
#2   2     65 2002.08.01
#3   3     66 2002.08.01
# <snip>

并且transform(dat[1:2], ind=format(as.Date(DATE, format="%m/%d/%Y"), "%Y.%m.%d")) 将正确格式的日期返回给merge：

#  ID     DATE        ind
#1  1 8/1/2002 2002.08.01
#2  2 8/2/2002 2002.08.02
#3  3 8/2/2002 2002.08.02
#4  4 8/3/2002 2002.08.03

在此示例中，dat 是：

dat <- read.table(text="ID    DATE        2002.08.01    2002.08.02    2002.08.03    2002.08.04
1     8/1/2002    56            41            54            89
2     8/2/2002    65            59            69            10
3     8/2/2002    66            51            61            5
4     8/3/2002    11            21            12            32", header=TRUE, stringsAsFactors=FALSE)

【讨论】：