R 嵌套if-else语句_R_If Statement

R 嵌套if-else语句

r if-statement

R 嵌套if-else语句,r,if-statement,R,If Statement,我有一个大数据集需要重新编码。数据集的每一行都是按时间顺序（时间）从单独的实验（id）中可能检测到的。然后手动验证每个可能的检测。当进行第一次真实检测时，标记为（注释）“第一次”。当进行最后一次真实检测时，标记为“最后一次”。如果没有检测，则输入“无” 我正准备用if语句重新编码。1）首先，我想选择变量id的所有情况，其中First和last都存在，然后它需要用“no_comment”填充First和last之间的所有内容，然后它需要用“MVND”填充First和last之前或之后的所有内容。

我有一个大数据集需要重新编码。数据集的每一行都是按时间顺序（时间）从单独的实验（id）中可能检测到的。然后手动验证每个可能的检测。当进行第一次真实检测时，标记为（注释）“第一次”。当进行最后一次真实检测时，标记为“最后一次”。如果没有检测，则输入“无”

我正准备用if语句重新编码。1）首先，我想选择变量id的所有情况，其中First和last都存在，然后它需要用“no_comment”填充First和last之间的所有内容，然后它需要用“MVND”填充First和last之前或之后的所有内容。2）选择仅显示“无”的id案例，并在该id案例的所有行中填充“无”。单独的代码行可以工作，但由于某种原因，当我在ddply中的if语句中组合它们时，它们不能一起工作-它们只返回原始的data.frame。我想我想做的事情的if-else结构是错误的

#approximate data structure for this case:
y <-data.frame(id=c(rep("a",10),rep("b",10),rep("c",10)),time=rep(1:10, 3), Comments=rep(NA,30))
 y$Comments[c(2,11,23)]<-"first"
 y$Comments[c(9,19,30)]<-"last"
 #x=y[y$id=="a",] #testing specific lines
 
#recursive process to step through the data
 ddply(y,.(id), .fUN=function(x){
 if(all(unique(na.omit(x$Comments))%in%c("first","last"))){
  f<-which(x$Comments == "first")
  l<-which(x$Comments == "last")  
  #Add no comment to all records between first and last
   x$Comments[(f+1):(l - 1)]<- "no_comment"
      #if 'first' isn't the first record add MVND to all things before 'first'    
       if(f>1){x$Comments[1:(f-1)]<-"MVND"} 
      #if 'last' isn't the last record add MVND to all records after 'last'.
       if(l<nrow[x]){x$Comments[(l+1):nrow(x)]<-"MVND"} 
 }else if(unique(na.omit(x$Comments))=="none"){
    x$Comments<-"none" #if the only unique comment is "none" set all comments to none
}
 }
 )

#这种情况下的近似数据结构：
y不确定是否对您有用，但以下是我在dplyr
中的方法。由于这是矢量化的，我希望它比基于循环的方法运行得更快
library(dplyr)
y %>%
  group_by(id) %>%
  dplyr::mutate(Comments2 = case_when(     # in case `plyr` is loaded
    cumsum(coalesce(lag(Comments == "last"), FALSE)) >= 1 ~ "MVND",
    cumsum(coalesce(Comments == "first", FALSE)) < 1 ~ "MVND",
    is.na(Comments) ~ "no_comment",
    TRUE ~ Comments)) %>%
  ungroup()

不确定是否对您有用，但以下是我在dplyr
中的方法。由于这是矢量化的，我希望它比基于循环的方法运行得更快
library(dplyr)
y %>%
  group_by(id) %>%
  dplyr::mutate(Comments2 = case_when(     # in case `plyr` is loaded
    cumsum(coalesce(lag(Comments == "last"), FALSE)) >= 1 ~ "MVND",
    cumsum(coalesce(Comments == "first", FALSE)) < 1 ~ "MVND",
    is.na(Comments) ~ "no_comment",
    TRUE ~ Comments)) %>%
  ungroup()

对于此任务，我首选的方法是data.table
，原因有二：
可以就地更新列的某些部分，即无需复制
我们可以使用查找表在非等联接中进行更新
为了涵盖OP提到的所有用例，我们需要创建一个增强的示例数据集
y <- data.frame(
  id = rep(letters[1:5], each = 5L),
  time = rep(1:5, 5L),
  Comments = rep(NA_character_, 25L))
y$Comments[c(2, 6, 13, 22)] <- "first"
y$Comments[c(4, 9, 15, 23)] <- "last"
y$Comments[c(18)] <- "none"

y

查找表lut
包含first
和last
分别出现的时间：
注意，我们假设生产数据集“表现良好”，即

任何id
组都包含“无”
或者在注释
列中正好有一对“first”
和“last”
而“第一个”
总是出现在“最后一个”
之前
对于此任务，我首选的方法是数据。表
有两个原因：
可以就地更新列的某些部分，即无需复制
我们可以使用查找表在非等联接中进行更新
为了涵盖OP提到的所有用例，我们需要创建一个增强的示例数据集
y <- data.frame(
  id = rep(letters[1:5], each = 5L),
  time = rep(1:5, 5L),
  Comments = rep(NA_character_, 25L))
y$Comments[c(2, 6, 13, 22)] <- "first"
y$Comments[c(4, 9, 15, 23)] <- "last"
y$Comments[c(18)] <- "none"

y

查找表lut
包含first
和last
分别出现的时间：
注意，我们假设生产数据集“表现良好”，即

任何id
组都包含“无”
或者在注释
列中正好有一对“first”
和“last”
而“第一个”
总是出现在“最后一个”
之前
感谢您尝试一下。这个答案看起来应该有用，但当我在我的电脑上运行它时，它只在第一个案例中运行，而不是在随后的两个案例中运行。y2$2。。。不知何故，group_by（id）没有做它应该做的事情。您对示例数据的回答是否与我的不同，或者您是说在单独的数据上运行时得到了意外的结果？这可能是一个plyr
/dplyr
名称冲突的问题，因为它们不幸共享了一些函数名称。我将进行编辑，使代码中的冲突更加明确。好吧，这一定是我听说过但还没有遇到的奇怪冲突之一。这能帮你解决问题吗？谢谢你尝试一下。这个答案看起来应该有用，但当我在我的电脑上运行它时，它只在第一个案例中运行，而不是在随后的两个案例中运行。y2$2。。。不知何故，group_by（id）没有做它应该做的事情。您对示例数据的回答是否与我的不同，或者您是说在单独的数据上运行时得到了意外的结果？这可能是一个plyr
/dplyr
名称冲突的问题，因为它们不幸共享了一些函数名称。我将对其进行编辑，使其在代码中显式显示。好吧，这一定是我听说过但尚未遇到的奇怪冲突之一。这能为您解决问题吗？这很好地扩展到了生产数据集-data.table，这让我感到惊讶。我还没有遇到“on”，你能给我指一下关于这个的文档吗？我不太明白为什么y[lut，on=（id，time>first，time
有效，但是y[lut，on=（id，timelast）
无效。这很好地扩展到了生产数据集-data.table。我从未遇到过“on”你能给我指一下这方面的文档吗？我不太明白为什么y[lut，on=（id，time>first，time
有效，但y[lut，on=（id，timelast）无效。
library(data.table)
y <- setDT(copy(y))
# copy "none" to all rows of the id group in case one Comment is "none" 
y[, Comments := if (isTRUE(any(Comments == "none"))) "none" , by = id][]
# create look-up table
lut <- dcast(y[which(Comments %in% c("first", "last"))], id ~ Comments, value.var = "time")
# update in non-equi joins
y[lut, on = .(id, time < first), Comments := "MVND"][]
y[lut, on = .(id, time > last), Comments := "MVND"][]
y[lut, on = .(id, time > first, time < last), Comments := "no commments"][]

    id time     Comments
 1:  a    1         MVND
 2:  a    2        first
 3:  a    3 no commments
 4:  a    4         last
 5:  a    5         MVND
 6:  b    1        first
 7:  b    2 no commments
 8:  b    3 no commments
 9:  b    4         last
10:  b    5         MVND
11:  c    1         MVND
12:  c    2         MVND
13:  c    3        first
14:  c    4 no commments
15:  c    5         last
16:  d    1         none
17:  d    2         none
18:  d    3         none
19:  d    4         none
20:  d    5         none
21:  e    1         MVND
22:  e    2        first
23:  e    3         last
24:  e    4         MVND
25:  e    5         MVND
    id time     Comments

   id first last
1:  a     2    4
2:  b     1    4
3:  c     3    5
4:  e     2    3