R按组按筛选值填写新列

我想在我的

dat

中创建一个新列，由值填充 满足一个条件。因此，我想保留

值

其中

区域==“SA”

并将该值填入整个组的新列

vals.SA

这结合了

过滤器

和

变异

，但我不确定它们的正确组合是什么

Filter

仅保持行满足条件，但如何将此值扩展到组中的所有行

我的数据：

dat <- data.frame(id = c(1,1,2,2,2,2,3,3),
                  regime = c("SA", "B", "SA", "B", "C", "F", "SA", "D"),
                  value = c(3,5,1,2,5,6,7,8))

填入

val.sa

值对应的预期输出

region==“sa”

id区域值val.sa
1 SA 3 3
2 1 B 5 3
3 2 SA 1 1
42B21
52C51
6 2 F 6 1
7 3南非7 7
83D87

首先创建一个新列

val.sa

，其中

sa

行中的值等于

value

列中的值。然后按

id

和

fill

向下分组。像这样：

dat %>%
  mutate(val.sa = ifelse(regime == 'SA', value, NA)) %>%
  group_by(id) %>%
  fill(val.sa)
## A tibble: 8 x 4
## Groups:   id [3]
#     id regime value val.sa
#  <dbl> <chr>  <dbl>  <dbl>
#1     1 SA         3      3
#2     1 B          5      3
#3     2 SA         1      1
#4     2 B          2      1
#5     2 C          5      1
#6     2 F          6      1
#7     3 SA         7      7
#8     3 D          8      7

dat%>%
变异（val.sa=ifelse（区域='sa'，值，NA））%>%
分组依据（id）%>%
填充（val.sa）
##一个tibble:8x4
##组别:id[3]
#id系统值val.sa
#       
#1 SA 3 3
#2 1 B 5 3
#3 2 SA 1 1
#42B21
#52C51
#6 2 F 6 1
#7 3南非7 7
#83D87

首先创建一个新列

val.sa

，其中

sa

行中的值等于

value

列中的值。然后按

id

和

fill

向下分组。像这样：

dat %>%
  mutate(val.sa = ifelse(regime == 'SA', value, NA)) %>%
  group_by(id) %>%
  fill(val.sa)
## A tibble: 8 x 4
## Groups:   id [3]
#     id regime value val.sa
#  <dbl> <chr>  <dbl>  <dbl>
#1     1 SA         3      3
#2     1 B          5      3
#3     2 SA         1      1
#4     2 B          2      1
#5     2 C          5      1
#6     2 F          6      1
#7     3 SA         7      7
#8     3 D          8      7

dat%>%
变异（val.sa=ifelse（区域='sa'，值，NA））%>%
分组依据（id）%>%
填充（val.sa）
##一个tibble:8x4
##组别:id[3]
#id系统值val.sa
#       
#1 SA 3 3
#2 1 B 5 3
#3 2 SA 1 1
#42B21
#52C51
#6 2 F 6 1
#7 3南非7 7
#83D87

您可以使用：

library(dplyr)
dat %>%
  group_by(id) %>%
  mutate(value.sa = value[regime == 'SA'])
  #OR
  #mutate(value.sa = value[match('SA', regime)])


#     id regime value value.sa
#  <dbl> <chr>  <dbl>    <dbl>
#1     1 SA         3        3
#2     1 B          5        3
#3     2 SA         1        1
#4     2 B          2        1
#5     2 C          5        1
#6     2 F          6        1
#7     3 SA         7        7
#8     3 D          8        7

您可以使用：

library(dplyr)
dat %>%
  group_by(id) %>%
  mutate(value.sa = value[regime == 'SA'])
  #OR
  #mutate(value.sa = value[match('SA', regime)])


#     id regime value value.sa
#  <dbl> <chr>  <dbl>    <dbl>
#1     1 SA         3        3
#2     1 B          5        3
#3     2 SA         1        1
#4     2 B          2        1
#5     2 C          5        1
#6     2 F          6        1
#7     3 SA         7        7
#8     3 D          8        7

---

如果每个组中只有一个

SA

，则此操作应无任何错误：

dat %>% 
  group_by(id) %>%             
  mutate(val.sa = value[regime == "SA"]) 
#> # A tibble: 8 x 4
#> # Groups:   id [3]
#>      id regime value val.sa
#>   <dbl> <fct>  <dbl>  <dbl>
#> 1     1 SA         3      3
#> 2     1 B          5      3
#> 3     2 SA         1      1
#> 4     2 B          2      1
#> 5     2 C          5      1
#> 6     2 F          6      1
#> 7     3 SA         7      7
#> 8     3 D          8      7

---

如果每个组中只有一个

SA

，则此操作应无任何错误：

dat %>% 
  group_by(id) %>%             
  mutate(val.sa = value[regime == "SA"]) 
#> # A tibble: 8 x 4
#> # Groups:   id [3]
#>      id regime value val.sa
#>   <dbl> <fct>  <dbl>  <dbl>
#> 1     1 SA         3      3
#> 2     1 B          5      3
#> 3     2 SA         1      1
#> 4     2 B          2      1
#> 5     2 C          5      1
#> 6     2 F          6      1
#> 7     3 SA         7      7
#> 8     3 D          8      7

---

当

library(dplyr)
library(tidyr)
 dat %>%
     mutate(val.sa = case_when(regime == 'SA' ~ value) %>%
     group_by(id) %>%
     fill(val.sa)

---

当

library(dplyr)
library(tidyr)
 dat %>%
     mutate(val.sa = case_when(regime == 'SA' ~ value) %>%
     group_by(id) %>%
     fill(val.sa)