使用tidyverse合并两个向量

我下面有三个值。我要做的是创建一个与

查找

长度相同的向量，其中

NA

元素的值为

replace

，其余元素的值为

数据

中相应位置的值。例如

lookup = c(NA, NA, 1, 2, NA, 3, NA)
data = c("user_3", "user_4", "user_6")
replace = "no_user_data"

然后期望的输出将是：

c（“无用户数据”、“无用户数据”、“用户3”、“用户4”、“无用户数据”、“用户6”、“无用户数据”）

这里的关键限制是我希望尽可能多地利用

tidyverse

。我当前的解决方案如下所示：

data <- c(data, replace)
lookup[is.na(lookup)] <- length(data)
data <- data[lookup]

---

data您可以使用
dplyr:：coalesce
函数，这是在向量中执行以下操作的好方法：

dplyr::coalesce(data[lookup], replace)

# [1] "no_user_data" "no_user_data" "user_3"       "user_4"       "no_user_data"
# [6] "user_6"       "no_user_data"

您可以使用
dplyr:：coalesce
函数，这是在向量中执行以下操作的好方法：

dplyr::coalesce(data[lookup], replace)

# [1] "no_user_data" "no_user_data" "user_3"       "user_4"       "no_user_data"
# [6] "user_6"       "no_user_data"

我们还可以使用
replace
from
base R

replace(data[lookup], is.na(lookup), replace)
#[1] "no_user_data" "no_user_data" "user_3"       "user_4"       "no_user_data"
#[6] "user_6"       "no_user_data"

我们还可以使用
replace
from
base R

replace(data[lookup], is.na(lookup), replace)
#[1] "no_user_data" "no_user_data" "user_3"       "user_4"       "no_user_data"
#[6] "user_6"       "no_user_data"

如果你问我，tidyverse应该是问题的答案，而不是问题本身。有什么特别的原因让你这么做吗？@mpjdem-我曾经看到过一个建议，建议使用
add
subtract
等函数，这样你就可以执行
1%>%add（2）
并获得
3
。我们还没有达到顶峰。@tidyverse

应该是问题的答案，而不是问题本身。有什么特别的原因让你这么做吗？@mpjdem-我曾经看到过一个建议，建议使用

add

subtract

等函数，这样你就可以执行

1%>%add（2）

并获得

3

。我们还没有达到顶峰。@最近的邮件如

1%>%`+`（2）

（或

1%>%”+“（2）

）

pmax（数据[lookup]，replace，na.rm=TRUE）

在基本R中。

pmax（数据[lookup]，replace，na.rm=TRUE）

在基本R中。