根据R或python中的条件，将一列列表中的值替换为另一列列表中的值

（对于pythonistas，在我得到一些#hatehard之前，下面的代码是R的格式）

这件事让我沮丧太久了

我有两个数据集

df1 <- data.frame(ID = c("Person.A", "Person.B", "Person.C", "Person.D", "Person.E", "Person.F"),
                  Aa = c(0,1,2,NA,1,1),
                  Ab = c(0,NA,2,1,1,1),
                  Ac = c(NA,NA,2,2,1,1),
                  no.match = c(0,1,2,2,1,2))

df2 <- data.frame(ID = c("Person.A", "Person.B", "Person.C", "Person.D", "Person.E"),
                  Ba = c(0,NA,2,1,1),
                  Bb = c(NA,1,2,2,1),
                  Bc = c(0,1,2,2,1))

实际的数据集要复杂得多，因为许多列在其他列中没有匹配项。所以我不认为我能做什么取决于柱子的排列

Aa

和

Ba

列包含相同的信息；列

Ab

和

Bb

也可以，依此类推，但列

no.match

不包含匹配列

如果

Aa

为NA，我想将

Ba

同一行的值“映射”到

Aa

，并对

Ab

和

Bb

、

Ac

和

Bc

等执行相同的操作

本例中的结果DF如下所示：

        ID Aa Ab Ac no.match Ba Bb Bc
1 Person.A  0  0  0      0    0 NA  0
2 Person.B  1  1  1      1    NA  1  1
3 Person.C  2  2  2      2    2  2  2
4 Person.D  1  1  2      2    1  2 NA
5 Person.E  1  1  1      1    1  1  1
6 Person.F  1  1  1      2    NA NA NA

其中元素

[4,2]

替换为元素

[4,6]

行和列需要匹配

我尝试了大量令人尴尬的事情：

apply

，

ifelse

，迭代了一系列列

l1=c（'Aa'，'Ab'，'Ac'），l2=c（'Ba'，'Bb'，'Bc'）

---

我可以一次性完成：

它（即.na（mdf$Aa））下面是一个使用
data.table v1.9.5
-安装说明：

require（data.table）#v1.9.5+
cols1=名称（df1）[2:4]
cols2=名称（df2）[2:4]
富df1
#ID Aa Ab Ac编号匹配Ba Bb Bc
#1：人。一个0纳0
#2：个人B 1 NA 1 1
#3：个人。C2
#4:人D 1 2 1 2
#5:人.e1
#6：人。F 1 1 2 NA NA NA


setDT（）
通过引用将
df1
转换为data.table

setDT（df1）[df2，on=“ID”]
执行连接。对于
df2
的每一行，我们在
df1
中查找匹配行，并提取匹配行对应的列

在匹配行上，我们使用
：=
操作符通过引用更新
cols1
中的列，并在
cols2
中添加新列。对于更新列，我们提取
cols1
和
cols2
中指定的列，并用函数
foo（）
替换
NA
s。对于添加列，我们只需使用
mget（）
拉取列
cols2
。我们使用
c（）
连接这两个列表


如果您感兴趣，请看一看，了解更多信息。
我想我可能是因为自己太笨了。我不知道这是让我高兴还是悲伤，但我想我有事情要做。如果有人有一个更优雅的解决方案，我仍然会感兴趣。再次感谢！我想把问题写出来对我有帮助<代码>mdf[，c（“Aa”，“Ab”，“Ac”）][is.na（mdf[，c（“Aa”，“Ab”，“Ac”）]）]感谢您的回答，更感谢您的解释。我可以问一下如何更改函数以将cols2的行和插入cols1的Nas中吗？再次感谢！
        ID Aa Ab Ac no.match Ba Bb Bc
1 Person.A  0  0  0      0    0 NA  0
2 Person.B  1  1  1      1    NA  1  1
3 Person.C  2  2  2      2    2  2  2
4 Person.D  1  1  2      2    1  2 NA
5 Person.E  1  1  1      1    1  1  1
6 Person.F  1  1  1      2    NA NA NA

require(data.table) # v1.9.5+
cols1 = names(df1)[2:4]
cols2 = names(df2)[2:4]

foo <- function(x, y) {
    nas = is.na(x)
    x[nas] = y[nas]
    x
}
setDT(df1)[df2, c(cols1, cols2) := c(Map(foo, mget(cols1), 
                   mget(cols2)), mget(cols2)), on = "ID"]

> df1
#          ID Aa Ab Ac no.match Ba Bb Bc
# 1: Person.A  0  0  0        0  0 NA  0
# 2: Person.B  1  1  1        1 NA  1  1
# 3: Person.C  2  2  2        2  2  2  2
# 4: Person.D  1  1  2        2  1  2  2
# 5: Person.E  1  1  1        1  1  1  1
# 6: Person.F  1  1  1        2 NA NA NA