动态确定数据框列是否存在，如果存在则改变答案

【问题标题】：Dynamically determine if a dataframe column exists and mutate if it does动态确定数据框列是否存在，如果存在则改变
【发布时间】：2018-10-25 21:38:03
【问题描述】：

我的代码可以根据客户名称从数据库中提取和处理数据。某些客户端的数据可能不包含特定列名，例如 last_name 或 first_name。对于不使用last_name 或first_name 的客户，我不在乎。对于确实使用其中任何一个字段的客户，我需要使用toupper() mutate() 这些列，以便稍后在 ETL 流程中加入这些标准化字段。

现在，我正在使用一系列 if() 语句和一些辅助函数来查看数据框的名称，然后在它们存在时进行变异。 I'm using if() statements because ifelse() is mostly vectorized and doesn't handle dataframes well.

library(dplyr)
set.seed(256)

b <- data.frame(id = sample(1:100, 5, FALSE), 
                col_name = sample(1000:9999, 5, FALSE), 
                another_col = sample(1000:9999, 5, FALSE))

d <- data.frame(id = sample(1:100, 5, FALSE), 
                col_name = sample(1000:9999, 5, FALSE), 
                last_name = sample(letters, 5, FALSE))

mutate_first_last <- function(df){

  mutate_first_name <- function(df){
    df %>%
      mutate(first_name = first_name %>% toupper())
  }

  mutate_last_name <- function(df){
    df %>%
      mutate(last_name = last_name %>% toupper())
  }


  n <- c("first_name", "last_name") %in% names(df)

  if (n[1] & n[2]) return(df %>% mutate_first_name() %>% mutate_last_name())
  if (n[1] & !n[2]) return(df %>% mutate_first_name())
  if (!n[1] & n[2]) return(df %>% mutate_last_name())
  if (!n[1] & !n[2]) return(df)

}

我得到了我期望得到的东西

> b %>% mutate_first_last()
  id col_name another_col
1 48     8318        6207
2 39     7155        7170
3 16     4486        4321
4 55     2521        8024
5 15     1412        4875
> d %>% mutate_first_last()
  id col_name last_name
1 64     7438         A
2 43     4551         Q
3 48     7401         K
4 78     3682         Z
5 87     2554         J

但这是处理此类任务的最佳方式吗？动态查看数据框中是否存在列名，如果存在则对其进行变异？在这个函数中必须有多个 if() 语句似乎很奇怪。 是否有更简化的方式来处理这些数据？

【问题讨论】：

标签： r dplyr

【解决方案1】：

您可以使用mutate_at 和one_of，两者都来自dplyr。只有当它与c("first_name", "last_name") 之一匹配时，这才会改变列。如果不匹配，它将生成一个简单的警告，但您可以忽略或禁止它。

library(dplyr)

d %>%
  mutate_at(vars(one_of(c("first_name", "last_name")), toupper)

  id col_name last_name
1 19     7461         V
2 52     9651         H
3 56     1901         P
4 13     7866         Z
5 25     9527         U

# example with no match
b %>%
  mutate_at(vars(one_of(c("first_name", "last_name"))), toupper)

  id col_name another_col
1 34     9315        8686
2 26     5598        4124
3 17     3318        2182
4 32     1418        4369
5 49     4759        6680
Warning message:
Unknown variables: `first_name`, `last_name`

这是dplyr 中的其他?select_helpers -

这些函数允许您根据名称选择变量。

starts_with()：以前缀开头

ends_with()：以前缀结尾

contains(): 包含一个文字字符串

matches()：匹配正则表达式

num_range()：一个数值范围，如 x01、x02、x03。

one_of()：字符向量中的变量。

everything()：所有变量。

【讨论】：

【解决方案2】：

更新 dplyr 1.0.0

在dplyr 1.0 中，mutate 的作用域变体（例如_at 或_all）被across() 替换。

此外，这种情况下最好的 tidy_select 助手是any_of，因为它将对存在的变量执行，但忽略那些不存在的变量（没有警告消息）。

因此，您可以编写以下内容：

# purrr syntax
d %>% mutate(across(any_of(c("first_name", "last_name")), ~toupper(.x)))

# function name syntax
d %>% mutate(across(any_of(c("first_name", "last_name")), toupper))

它们都返回变异的列

  id col_name last_name
1 19     4398         Q
2 72     1135         S
3 54     9767         V
4 60     4364         K
5 35     1564         X

同时

b %>% mutate(across(any_of(c("first_name", "last_name")), toupper))

忽略列并因此返回（没有警告消息）：

  id col_name another_col
1 42     7601        4482
2 22     1773        7072
3 47     2719        5884
4  1     9595        5945
5 81     8044        3927

【讨论】：