mutate(foo = bar + bla) 但有时 bar 或 bla 不存在导致错误消息答案

【问题标题】：mutate(foo = bar + bla) but sometimes bar or bla don't exist which results in error messagemutate(foo = bar + bla) 但有时 bar 或 bla 不存在导致错误消息
【发布时间】：2021-09-03 21:46:52
【问题描述】：

我有一个通常如下所示的数据框：

structure(list(date = structure(18780, class = "Date"), bar = 1L, 
    Sessions = 2990L, `bla` = 20L), row.names = c(NA, 
-1L), class = c("tbl_df", "tbl", "data.frame"))

看起来像：

    # A tibble: 1 x 4
  date         bar Sessions   bla
  <date>     <int>    <int> <int>
1 2021-06-02     1     2990    20

有了这个我变异了：

mydf %>% mutate(foo = bar + bla)
# A tibble: 1 x 5
  date         bar Sessions   bla   foo
  <date>     <int>    <int> <int> <int>
1 2021-06-02     1     2990    20    21

但是，这是在带有用户过滤器的闪亮应用的上下文中。有时，用户输入后生成的数据框有一个没有 bar 或 bla 字段的数据框。因此，当我在 mutate 期间添加它们时，我得到了

Error: Problem with `mutate()` input `foo`.
x object 'bar' not found
ℹ Input `foo` is ``bar` + `bla``

在 bar 或 bla 不存在的情况下，我仍然希望我的 mutate 中剩余的总和。否则只需创建新功能 foo 但将其值设为 0。在 R 英语中类似于：

mydf %>% mutate(foo = if(bar exists then bar else 0) + if(bla exists then bla else 0))

有没有一种“不错”或优雅的方式来做到这一点？也许是 tidyverse 方法？

【问题讨论】：

标签： r dplyr

【解决方案1】：

也许，这可能有助于使用any_of -

library(dplyr)
cols <- c('bar', 'bla')

df %>%  mutate(foo = rowSums(select(., any_of(cols))))

# A tibble: 1 x 5
#  date         bar Sessions   bla   foo
#  <date>     <int>    <int> <int> <dbl>
#1 2021-06-02     1     2990    20    21

如果bar 不存在，这仍然有效 -

df %>%  
  select(-bar) %>%
  mutate(foo = rowSums(select(., any_of(cols))))

#  date       Sessions   bla   foo
#  <date>        <int> <int> <dbl>
#1 2021-06-02     2990    20    20

【讨论】：

漂亮，是的，非常感谢，到时候接受！奖金，无论如何使用'tidyselect'，如果那是正确的短语？ IE。而不必在 any_of 中使用字符串引用的变量名？
我认为这需要一种不同的方法，因为any_of 仅适用于字符变量。
提供相同结果的替代方法是mydf %>% mutate(foo = sum(c_across(any_of(c("bar", "bla")))))。

【解决方案2】：

使用 apply 函数的另一种方法

library(dplyr)
mydf %>%
  mutate(foo =apply(select(.,"bar","bla"), 1, sum))

# A tibble: 1 x 5
  date         bar Sessions   bla   foo
  <date>     <int>    <int> <int> <int>
1 2021-06-02     1     2990    20    21

【讨论】：

【解决方案3】：

我们可以使用tidyverse 方法

library(dplyr)
library(purrr)
df1 %>%
     select(-bar) %>% 
     mutate(foo = select(cur_data(), any_of(cols)) %>%
          coalesce(., tibble(!! cols[1] := 0)) %>%
          reduce(`+`))
# A tibble: 1 x 4
#  date       Sessions   bla   foo
#  <date>        <int> <int> <int>
#1 2021-06-02     2990    20    20

如果两列都不存在

df1 %>%
     select(-all_of(cols)) %>% 
     mutate(foo = select(cur_data(), any_of(cols)) %>%
          coalesce(., tibble(!! cols[1] := 0)) %>%
          reduce(`+`))
# A tibble: 1 x 3
  date       Sessions   foo
  <date>        <int> <dbl>
1 2021-06-02     2990     0

【讨论】：

我喜欢这种语法。如果 'bar' 和 'bla' 都缺失，这会返回 0 吗？
@DougFir 谢谢。你可以做df1 %>% select(-all_of(cols)) %>% mutate(foo = select(cur_data(), any_of(cols)) %>% {if(ncol(.) > 0) reduce(., +) else 0})
@DougFir 另外，在 cmets 中，您可以使用 df1 %>% select(-all_of(cols)) %>% rowwise %>% mutate(foo = sum(c_across(any_of(c("bar", "bla")))))。在该评论中，未指定 rowwise。对于评论有效的单行数据集
@DougFir 我更新了一个更紧凑的方法。
这太好了，感谢akrun的回答！

【解决方案4】：

我在我的一个包中创建了这个函数来做你最后描述的事情。它会在具有特定值的数据集中添加一列 - 但前提是它缺失。

add_missing_column <- function(.data, ..., .before = NULL, .after = NULL, .name_repair = c("check_unique", "unique", "universal", "minimal")) {
  .dots <- rlang::enquos(...)
  
  cols_to_add <- .dots[!names(.dots) %in% names(.data)]
  tibble::add_column(.data, !!!cols_to_add, .before = .before, .after = .after, .name_repair = .name_repair)
}

所以在这种情况下，我会做这样的事情。

library(dplyr)

df %>% 
  add_missing_column(bar = 0L,
                     bla = 0L) %>% 
  mutate(foo = bar + bla)

或者更多时候，我将列设置在列表中。

missing_cols <- list(bar = 0L, bla = 0L)

df %>% 
  add_missing_column(!!!missing_cols) %>% 
  mutate(foo = bar + bla)

您可以将默认设置为任何您想要的，因为它只是转发到add_column()。

【讨论】：