使用函数替换数据框中的许多缺失列

Question

我有一个包含数百列且缺少值的分类数据集。我正在尝试编写一个可以快速执行此操作的函数，但遇到了问题。这是我到目前为止所做的。非常感谢指针：

df <- data.frame(
  id=c(10, 20, 30, 40, 50,60),
  gender=c('male', 'female', 'female', 'male', 'female', ''),
  mood=c('happy', 'sad', 'happy', 'sad','happy', ''),
  outcome=c(1, 1, 0, 0, 0,1),
  province = c('gp', 'np','ec','', 'wc', 'nw'))

我希望能够为每个变量执行此操作：

print("before")
df %>%
count(gender)

levels(df$gender) <- c(levels(df$gender), "Unknown")

df <- df %>% 
    mutate(gender = replace(gender, gender == "", "Unknown"))

print("after ")
df %>%
count(gender)

我在函数中实现这一点的尝试如下，我有一个函数一次接收一个变量：

valueFiller <- function(myVar){
    print("before")
    df %>%
    count(myVar)

    levels(df$myVar) <- c(levels(df$myVar), "Unknown")

    df <- df %>% 
        mutate(myVar = replace(myVar, myVar == "", "Unknown"))

    print("after ")
    df %>%
    count(myVar)
}

然后我打算以这种方式应用于许多列（但这是一次 1 〜我需要能够一次使用带有变量的列表）：

df$mood <-mapply(valueFiller, df$mood)
df

我的功能不起作用。请帮助执行此操作。可能有更好的方法来做到这一点，并且很想听听。

谢谢！

Answer 1

您可以使用forcats 包中的fct_recode，传递一个“命名字符向量，其中名称给出新级别，值给出旧级别”：

library(forcats)

df <- tibble::tibble(
  id=c(10, 20, 30, 40, 50,60),
  gender=c('male', 'female', 'female', 'male', 'female', ''),
  mood=c('happy', 'sad', 'happy', 'sad','happy', ''),
  outcome=c(1, 1, 0, 0, 0,1),
  province = c('gp', 'np','ec','', 'wc', 'nw'))

forcats::fct_recode(df$province, "Unknown" = "")
#> [1] gp      np      ec      Unknown wc      nw     
#> Levels: Unknown ec gp np nw wc

^{由reprex package (v2.0.0) 于 2021 年 5 月 31 日创建}

将其包装在 dplyr::mutate() 调用中可以让您一次将其应用于多个变量：

library(dplyr)

df <- tibble::tibble(
  id=c(10, 20, 30, 40, 50,60),
  gender=c('male', 'female', 'female', 'male', 'female', ''),
  mood=c('happy', 'sad', 'happy', 'sad','happy', ''),
  outcome=c(1, 1, 0, 0, 0,1),
  province = c('gp', 'np','ec','', 'wc', 'nw'))


df %>% 
  mutate(across(c(gender, mood, province),
                ~ forcats::fct_recode(.x, "Unknown" = "")))

#> # A tibble: 6 x 5
#>      id gender  mood    outcome province
#>   <dbl> <fct>   <fct>     <dbl> <fct>   
#> 1    10 male    happy         1 gp      
#> 2    20 female  sad           1 np      
#> 3    30 female  happy         0 ec      
#> 4    40 male    sad           0 Unknown 
#> 5    50 female  happy         0 wc      
#> 6    60 Unknown Unknown       1 nw

^{由reprex package (v2.0.0) 于 2021 年 5 月 31 日创建}

对于较旧的dplyr 版本（v1.0.0 之前），您也可以使用mutate_at（注意：您仍然可以在较新的版本中使用它，但在 v1.0.0 中已被across 取代）：

library(dplyr)

df %>% 
  mutate_at(c("gender", "mood", "province"),
            ~ forcats::fct_recode(.x, "Unknown" = ""))

#> # A tibble: 6 x 5
#>      id gender  mood    outcome province
#>   <dbl> <fct>   <fct>     <dbl> <fct>   
#> 1    10 male    happy         1 gp      
#> 2    20 female  sad           1 np      
#> 3    30 female  happy         0 ec      
#> 4    40 male    sad           0 Unknown 
#> 5    50 female  happy         0 wc      
#> 6    60 Unknown Unknown       1 nw

^{由reprex package (v2.0.0) 于 2021-05-31 创建}