使用循环一次将 R 中的三个（或更多）变量与 ifelse 进行比较答案

【问题标题】：Compare three (or more) variables in R with ifelse at once with loop使用循环一次将 R 中的三个（或更多）变量与 ifelse 进行比较
【发布时间】：2019-11-01 05:29:36
【问题描述】：

我想比较三个变量。如果都具有相同的结果（例如 0、0、0 和 2、2、2），则返回一个值（例如 'match'）。

我试试这个：


df_1 <- data.frame(
  x = c(0, 1, 0, 2, 0), 
  y = c(0, 2, 1, 2, 1), 
  z = c(0, 2, 1, 2, 1)
)


ifelse(df_1$x == df_1$y == df_1$z,  'match', 'not')

错误：“ifelse(df_1$x == df_1$y =="

但它不起作用。谢谢。

【问题讨论】：

标签： r

【解决方案1】：

你需要一个&，所以df_1$x == df_1$y & df_1$y == df_1$z，即x等于y和y等于x。您也不需要ifelse 进行这种比较。只需进行比较并将输出添加到您的数据框中：

df_1$match <- df_1$x == df_1$y & df_1$y == df_1$z

#### OUTPUT ####
  x y z match
1 0 0 0  TRUE
2 1 2 2 FALSE
3 0 1 1 FALSE
4 2 2 2  TRUE
5 0 1 1 FALSE

但是，如果您真的想要“匹配”一个“不”，您也可以这样做：

df_1$match <- ifelse(df_1$x == df_1$y & df_1$y == df_1$z, "matched", "not")

#### OUTPUT ####

  x y z match
1 0 0 0 match
2 1 2 2   not
3 0 1 1   not
4 2 2 2 match
5 0 1 1   not

根据评论编辑：

对于任意数量的变量，您可以尝试这样的操作，它会检查 unique 是否只返回一个值，即所有变量都相等：

df_1$match <- apply(df_1, 1, function(r) length(unique(r)) == 1)

【讨论】：

有没有循环的替代方案（例如lapply 和ifelse）？
示例：lapply(X = df_1, FUN = function(x) { ifelse(x == x, 'match', 'not') })
@neves 可能是的，但它不一定是更好的选择。以上使用矢量化，因此它比使用*applys 之一更简单且可能更快。
*apply 函数会是什么样子？假设我有一个包含 10 个变量的数据集进行比较。
是的。因为以这种方式比较许多变量非常费力。

【解决方案2】：

如果你有大量的变量，你可以这样做：

df_1$match <- c("match", "no match")[apply(df_1, 1, function(x) length(unique(x)) != 1) + 1]
df_1

  x y z    match
1 0 0 0    match
2 1 2 2 no match
3 0 3 1 no match
4 2 2 2    match
5 0 1 1 no match

【讨论】：

【解决方案3】：

This post 提供了多种方法来测试向量的所有元素是否相同。由于数据框是向量列表，因此您可以选择其中一种方法，并使用*apply()、purrr 或循环之一将其应用于您的数据框。

这是purrr 的一个选项：

library(purrr)

df_1$comparison <- map_chr(as.data.frame(t(df_1)), ~ ifelse(
  length(unique(.x)) == 1, 'match', 'not'))

输出：

  x y z comparison
1 0 0 0      match
2 1 2 2        not
3 0 1 1        not
4 2 2 2      match
5 0 1 1        not

【讨论】：

【解决方案4】：

你也可以使用rowSums():

rowSums(df_1[, -1] == df_1[, 1]) == length(df_1[, -1])

[1]  TRUE FALSE FALSE  TRUE FALSE

它检查从第二列开始的列是否与第一列相同。如果它们都相同，则返回 TRUE 值。

如果您需要match/not 结果：

ifelse(rowSums(df_1[, -1] == df_1[, 1]) == length(df_1[, -1]), "match", "not")

【讨论】：

【解决方案5】：

您可以尝试ifelse 和apply，并使用unique 来查看是否匹配：

df$match <- apply(df, 1, function(x) ifelse(length(unique(x))==1, 'match','not'))

【讨论】：

【解决方案6】：

这是Reduce()的一种方法

n_cols <- length(df_1)

Reduce(`&`,
       lapply(seq_len(n_cols - 1),
              function(j) df_1[[j]] == df_1[[j+1]])
       )

这是评估TRUE 或FALSE 的一些答案的表现：

# A tibble: 4 x 13
  expression                                                 min  median
  <bch:expr>                                             <bch:t> <bch:t>
1 Reduce_way                                              47.7us  50.5us
2 rowSums(df_1[, -1] == df_1[, 1]) == length(df_1[, -1]) 159.6us 168.6us
3 apply(df_1, 1, function(x) length(unique(x)) == 1)     150.6us 158.1us
4 df_1[[1]] == df_1[[2]] & df_1[[2]] == df_1[[3]]         27.5us  29.6us

性能取决于被评估的列和行的数量。例如 100,000 x 3：

df_1 <- as.data.frame(replicate(3, sample(3, 100000, replace = T)))

  expression                                                  min  median
  <bch:expr>                                             <bch:tm> <bch:t>
1 Reduce_way                                              931.5us  1.13ms
2 rowSums(df_1[, -1] == df_1[, 1]) == length(df_1[, -1])  10.96ms 12.69ms
3 apply(df_1, 1, function(x) length(unique(x)) == 1)        1.01s   1.01s
4 df_1[[1]] == df_1[[2]] & df_1[[2]] == df_1[[3]]         894.8us  1.06ms

# following is used from here on out instead of writing out df_1[[1]] == ...

n_cols <- length(df_1)
eval_parse <- paste(
  apply(matrix(rep(seq_len(n_cols), c(1, rep(2, n_cols - 2), 1)), 2),
        2, 
        function(cols) paste0("df_1[[", cols, "]]", collapse = ' == ')
  ),
  collapse = ' & '
)

## for 100 x 1000 data.frame

df_1 <- as.data.frame(replicate(1000, sample(3, 100, replace = T)))

# A tibble: 4 x 13
  expression                                                min median `itr/sec`
  <bch:expr>                                             <bch:> <bch:>     <dbl>
1 Reduce_way                                             15.9ms 16.3ms      60.9
2 rowSums(df_1[, -1] == df_1[, 1]) == length(df_1[, -1]) 16.5ms 17.1ms      58.1
3 apply(df_1, 1, function(x) length(unique(x)) == 1)     10.4ms 10.7ms      92.4
4 eval(parse(text = eval_parse))                         20.1ms 20.6ms      47.4

【讨论】：

【解决方案7】：

类似于@tmfmnk 的回答（根据@Cole 的评论更新）：

ifelse(rowMeans(df_1 == df_1[, 1]) == 1, 'match', 'not')
#[1] "match" "not"   "not"   "match" "not"

【讨论】：