有条件地创建（变异）新列

Question

我有一个包含“潜在”列名的向量：

col_vector <- c("A", "B", "C")

我也有一个数据框，例如

library(tidyverse)
df <- tibble(A = 1:2,
             B = 1:2)

我现在的目标是创建 col_vector 中提到的所有在 df 中尚不存在的列。

对于上面的例子，我的代码如下：

df %>%
  mutate(!!sym(setdiff(col_vector, colnames(.))) := NA)

# A tibble: 2 x 3
      A     B C    
  <int> <int> <lgl>
1     1     1 NA   
2     2     2 NA  

问题是，一旦 a) 来自 col_vector 的多列丢失或 b) 没有来自 col_vector 的列，此代码就会失败。我考虑过某种 if_else，但不知道如何以这种方式使列创建有条件 - 最好以整洁的方式。我知道我可以创建一个遍历所有缺失列的循环，但我想知道是否有更直接的方法。

上述代码失败的示例数据：

df2 <- tibble(A = 1:2)
df3 <- tibble(A = 1:2,
              B = 1:2,
              C = 1:2)

Answer 1

这应该可行。

df[,setdiff(col_vector, colnames(df))] <- NA

Answer 2

解决方案

这个base 操作可能比成熟的dplyr 工作流更简单：

library(tidyverse) # For the setdiff() function.


# ...
# Code to generate 'df'.
# ...


# Find the subset of missing names, and create them as columns filled with 'NA'.
df[, setdiff(col_vector, names(df))] <- NA


# View results
df

结果

在此处给出您的示例 col_vector 和 df

col_vector <- c("A", "B", "C")
df <- tibble(A = 1:2, B = 1:2)

此解决方案应产生以下结果：

# A tibble: 2 x 3
      A     B C    
  <int> <int> <lgl>
1     1     1 NA   
2     2     2 NA   

优势

与above 由@geoff 链接的alternative 相比，我的解决方案的一个优势是您不需要手动对列名集进行编码，如symbols 和 dplyr 工作流程中的字符串。

df %>% mutate(
  #####################################
  A = ifelse("A" %in% names(.), A, NA),
  B = ifelse("B" %in% names(.), B, NA),
  C = ifelse("C" %in% names(.), B, NA)

  # ...
  # etc.
  #####################################
)

相比之下，我的解决方案更加动态

     ##############################
df[, setdiff(col_vector, names(df))] <- NA
     ##############################

如果您决定在中途更改（甚至动态计算！）您的变量名称，因为它在运行时确定setdiff()。

注意

令人难以置信的是，@AustinGraves posted 他们的answer 与我的posted 我的2021-10-25 21:03:05Z 在同一时间（2021-10-25 21:03:05Z），所以这两个答案都可以作为原始解决方案。