基于R中的模式合并列[重复]

Question

我在 R 中合并了数据集，每个数据集可能对相同的数据使用不同的列名。我需要使用正则表达式来识别我需要组合的列的名称，然后通过合并运行该列名列表。

我知道正确的正则表达式来标识我的列，并且我知道如何手动将列名写入合并函数以合并这些列，但我不知道如何自动合并使用正则表达式标识的列。

sample = data.frame("PIDno" = c('a', NA, NA), "PINID" = c(NA, 'b', NA), "ParcelId" = c(NA, NA, 'c'))

PID_search = paste("sample$",grep("*PID*|*PIN*|*PARCEL*",colnames(sample),ignore.case = TRUE, value = TRUE),sep = "")

sample$PID_combine = coalesce(sample$'PIDno',
                              sample$'PINID',
                              sample$'ParcelId')

Answer 1

我们可以使用tidyverse。选定的列转换为character 和mutate_at，然后coalesce mutate 中的那些列

library(tidyverse)
sample %>%
    mutate_at(vars(matches("PID|PIN|Parcel")), as.character) %>% 
    mutate(new = coalesce(!!! select(., matches("PID|PIN|Parcel"))))
#    PIDno PINID ParcelId new
#1     a  <NA>     <NA>   a
#2  <NA>     b     <NA>   b
#3  <NA>  <NA>        c   c

Answer 2

我会这样做。

• (a) 不要将"sample$PIDno" 作为一个字符串——那是非常没用的。只需将列名作为字符串获取即可。
• (b) 我们将创建一个单独的函数，在数据框中的所有列上调用coalesce。这很好，很容易写，然后我们可以......
• (c) 对要合并的列子集调用coalesce_df 函数。根据列名向量对数据框进行子集化很容易，因此我们简化了第一步，并添加了两个额外的简单步骤来获得结果。

对于您的示例数据，这些列都是factors，具有不同的级别。无法按原样合并这些内容，因此我添加了 lapply(..., as.character) 以首先将所有内容转换为字符。如果您的真实数据不是factor 类，那么您可以跳过该步骤。

cols = grep("*PID*|*PIN*|*PARCEL*",colnames(sample),ignore.case = TRUE, value = TRUE)

coalesce_df = function(df) {
  do.call(coalesce, df)
}

coalesce_df(lapply(sample[cols], as.character))
# [1] "a" "b" "c"

如果您想在 dplyr 管道中完成这项工作，我建议您这样做（或者查看 akrun 的答案以获得更惯用的内容）。

sample %>%
  mutate_at(vars(one_of(cols)), as.character) %>%
  mutate(PID_combine = coalesce_df(.[cols]))
#   PIDno PINID ParcelId PID_combine
# 1     a  <NA>     <NA>           a
# 2  <NA>     b     <NA>           b
# 3  <NA>  <NA>        c           c

Answer 3

我可能找错了树，但coalesce() 函数的约定是它返回参数列表中的第一个非NA 值，从左到右。所以，如果你使用下面的代码：

sample$PID_combine = coalesce(sample$PIDno, sample$PINID, sample$ParcelId)

那么行为将是首先返回PIDno，如果该值不是NA，然后是PINID，然后是ParcelID，按此顺序。

对于您在问题中提供的示例输入数据，PID_combine 的值将是 ['a', 'b', 'c']。