R - 在多个列中应用条件忽略 NA答案

【问题标题】：R - Applying condition across multiple columns ignoring NAR - 在多个列中应用条件忽略 NA
【发布时间】：2021-12-02 04:53:15
【问题描述】：

假设我有以下数据框：

x <- c(1, 1, 2, 3, 4, 5)
y <- c(1, 1, 1, 3, 4, 5)
z <- c(NA, 1, 1, 3, 4, NA)

得到：

我想得到一个条件语句，如果所有 non-NA x、y 和 z 值都等于 1，那么它将被标记为 1，我将如何写这个脚本？

例如，我想要的是以下内容：

x  y  z  flag1
1  1  NA 1
1  1  1  1
2  1  1  0
3  3  3  0
4  4  4  0
5  4  NA 0

此外，我还想标记是否有任何变量包含 4，忽略 NA，以便我可以得到：

x  y  z  flag1 flag2
1  1  NA 1     0
1  1  1  1     0
2  1  1  0     0
3  3  3  0     0
4  4  4  0     1
5  4  NA 0     1

【问题讨论】：

标签： r if-statement conditional-statements

【解决方案1】：

这是一个使用rowwise 和c_across 的选项：

library(dplyr)

df %>% 
  rowwise() %>% 
  mutate(flag1 = as.numeric(all(c_across() == 1, na.rm = T)),
         flag2 = as.numeric(any(c_across() == 4, na.rm = T))) %>% 
  ungroup()

c_across 会将每一行组合成一个原子向量，以便与您的条件进行比较。

注意：默认情况下，c_across 适用于所有列。您可以使用任何 tidyselect 语法来更改它。例如，x:z。

输出

      x     y     z flag1 flag2
  <dbl> <dbl> <dbl> <dbl> <dbl>
1     1     1    NA     1     0
2     1     1     1     1     0
3     2     1     1     0     0
4     3     3     3     0     0
5     4     4     4     0     1
6     5     4    NA     0     1

【讨论】：

【解决方案2】：

这是使用all 和any 进行旋转的另一种替代方法：

library(tidyr)
library(dplyr)

df %>% 
  pivot_longer(
    cols=everything()
  ) %>% 
  mutate(id = as.integer(gl(n(), 3, n()))) %>% 
  group_by(id) %>% 
  mutate(flag1 = ifelse(all(value == 1, na.rm=TRUE), 1,0),
         flag2 = ifelse(any(value == 4, na.rm=TRUE), 1,0)) %>% 
  pivot_wider(
    names_from = name, 
    values_from = value
  ) %>% 
  ungroup() %>% 
  select(x,y,z,flag1, flag2)

输出：

      x     y     z flag1 flag2
  <dbl> <dbl> <dbl> <dbl> <dbl>
1     1     1    NA     1     0
2     1     1     1     1     0
3     2     1     1     0     0
4     3     3     3     0     0
5     4     4     4     0     1
6     5     4    NA     0     1

【讨论】：

【解决方案3】：

library(tidyverse)

df = tibble(
  x = c(1, 1, 2, 3, 4, 5),
  y = c(1, 1, 1, 3, 4, 5),
  z = c(NA, 1, 1, 3, 4, NA)
)


df %>% mutate(
  flag1 = ifelse((x==1 | is.na(x)) & (y==1 | is.na(y)) & (z==1 | is.na(z)), 1, 0),
  flaf2 = ifelse((x==4 | is.na(x)) | (y==4 | is.na(y)) | (z==4 | is.na(z)), 1, 0)
)

输出

# A tibble: 6 x 5
      x     y     z flag1 flaf2
  <dbl> <dbl> <dbl> <dbl> <dbl>
1     1     1    NA     1     1
2     1     1     1     1     0
3     2     1     1     0     0
4     3     3     3     0     0
5     4     4     4     0     1
6     5     5    NA     0     1

更新 1

注意，当所有变量都是NA 时，您不能忘记决定要做什么。以下是其中一种可能解决方案的更正版本。

library(tidyverse)

df = tibble(
  x = c(1, 1, 2, 3, 4, 5, NA),
  y = c(1, 1, 1, 3, 4, 5, NA),
  z = c(NA, 1, 1, 3, 4, NA, NA)
)


df %>% mutate(
  flag1 = ifelse(is.na(x) & is.na(y) & is.na(z), NA, 
                 ifelse((x==1 | is.na(x)) & (y==1 | is.na(y)) & (z==1 | is.na(z)), 1, 0)),
  flag2 = ifelse(is.na(x) & is.na(y) & is.na(z), NA,
                 ifelse((x==4 | is.na(x)) | (y==4 | is.na(y)) | (z==4 | is.na(z)), 1, 0))
)

输出

# A tibble: 7 x 5
      x     y     z flag1 flag2
  <dbl> <dbl> <dbl> <dbl> <dbl>
1     1     1    NA     1     1
2     1     1     1     1     0
3     2     1     1     0     0
4     3     3     3     0     0
5     4     4     4     0     1
6     5     5    NA     0     1
7    NA    NA    NA    NA    NA

【讨论】：

【解决方案4】：

最简单的是rowSums

df$flag <-  +(!rowSums(df != 1, na.rm = TRUE) & !!rowSums(!is.na(df)))
df$flag2 <- +(rowSums(df == 4, na.rm = TRUE) > 0 & !!rowSums(!is.na(df)))

-输出

> df
  x y  z flag flag2
1 1 1 NA    1     0
2 1 1  1    1     0
3 2 1  1    0     0
4 3 3  3    0     0
5 4 4  4    0     1
6 5 4 NA    0     1

在tidyverse 中，我们可以使用if_all 和if_any 来创建这些列

library(dplyr)
df %>%
    mutate(flag1 = +(if_all(everything(),  ~is.na(.)| . %in% 1)), 
            flag2 = +(if_any(x:z, ~ . %in% 4)))
  x y  z flag1 flag2
1 1 1 NA     1     0
2 1 1  1     1     0
3 2 1  1     0     0
4 3 3  3     0     0
5 4 4  4     0     1
6 5 4 NA     0     1

数据

df <-structure(list(x = c(1, 1, 2, 3, 4, 5), y = c(1, 1, 1, 3, 4, 
4), z = c(NA, 1, 1, 3, 4, NA)), class = "data.frame", row.names = c(NA, 
-6L))

【讨论】：

当我在我的实际数据集上运行这个类似的代码时，它会被标记为“1”。有没有办法忽略所有 NA 的观察结果？
@ssjjaca 我正在考虑这个问题。早些时候，我认为这不会是一个案例。您可以使用 is.na 添加条件（如更新中的那样）或使用 is.na 在计算中跳过这些行

【解决方案5】：

这是一个比@Akrun 的答案更详细的版本（在更大的数据集上更慢），但更可定制：

flag1 <- ifelse( (x == 1 | is.na(x) ) &
                 (y == 1 | is.na(y) ) &
                 (z == 1 | is.na(z) ), 1, 0)

flag2 <- ifelse( x == 4 | y == 4 | z == 4, 1, 0)

如果你有一堆这样的向量，你可以将它们存储在一个矩阵或 data.frame 中，这样你就不需要列出每一列来进行计算：

mat <- cbind(x,y,z)

flag1 <- apply(mat, 1, function(r) sum(r==1 | is.na(r)) == length(r))
flag2 <- apply(mat, 1, function(r) any(r==4, na.rm=T))

【讨论】：

【解决方案6】：

使用应用功能：

apply(df, 1, function(x) +all(x == 1,na.rm = 1))
[1] 1 1 0 0 0 0
apply(df, 1, function(x) +any(x == 4,na.rm = 1))
[1] 0 0 0 0 1 0

使用的数据：

【讨论】：