在筛选后向dataframe添加具有值的新列

这是我发现自己经常做的令人惊讶的事情，所以我想知道是否有一种更快的/“R”方式来做：

A:
      a     b
  <dbl> <lgl>
1     1 FALSE
2     2  TRUE
3     3  TRUE
4     4 FALSE

B:
      c     d eeyyccc
  <dbl> <chr>   <dbl>
1    11    AA      55
2    22    BB      66

有没有一种快速的“R”方法可以通过过滤和“动态”创建列来做到这一点？我不能明确使用B的任何列名，因为我事先不知道它们是什么

A <- tibble(a = c(1,2,3,4), b=c(F,T,T,F))
B <- tibble(c=c(11,22), d=c("AA", "BB"), eeyyccc=c(55,66))

---

A这里有一个选项。关键是创建一个合并变量（
M
），然后进行合并。无需在
B
中指定任何列名

library(dplyr)
A %>%
  mutate(M = ifelse(b, cumsum(b), NA)) %>%
  left_join(B %>% mutate(M = 1:n()), by = "M") %>%
  select(-M)
# # A tibble: 4 x 5
#       a b         c d     eeyyccc
#   <dbl> <lgl> <dbl> <chr>   <dbl>
# 1  1.00 F      NA   NA       NA  
# 2  2.00 T      11.0 AA       55.0
# 3  3.00 T      22.0 BB       66.0
# 4  4.00 F      NA   NA       NA  

库（dplyr）
A%>%
突变（M=ifelse（b，cumsum（b），NA））%>%
左联合（B%>%变异（M=1:n（）），by=“M”）%>%
选择（-M）
##A tibble:4 x 5
#a b c d eeyyccc
#         
#1 1.00 F不适用
#2.00 T 11.0 AA 55.0
#3.00 T 22.0 BB 66.0
#4.00 F不适用
这里有一个选项。关键是创建一个合并变量（
M
），然后进行合并。无需在
B
中指定任何列名

library(dplyr)
A %>%
  mutate(M = ifelse(b, cumsum(b), NA)) %>%
  left_join(B %>% mutate(M = 1:n()), by = "M") %>%
  select(-M)
# # A tibble: 4 x 5
#       a b         c d     eeyyccc
#   <dbl> <lgl> <dbl> <chr>   <dbl>
# 1  1.00 F      NA   NA       NA  
# 2  2.00 T      11.0 AA       55.0
# 3  3.00 T      22.0 BB       66.0
# 4  4.00 F      NA   NA       NA  

库（dplyr）
A%>%
突变（M=ifelse（b，cumsum（b），NA））%>%
左联合（B%>%变异（M=1:n（）），by=“M”）%>%
选择（-M）
##A tibble:4 x 5
#a b c d eeyyccc
#         
#1 1.00 F不适用
#2.00 T 11.0 AA 55.0
#3.00 T 22.0 BB 66.0
#4.00 F不适用
我们可以使用
替换
或使用
dplyr

library(dplyr)
A %>%
   mutate(c = replace(NA, b, B$c))
# A tibble: 4 x 3
#  a b         c
#  <dbl> <lgl> <dbl>
#1  1.00 F      NA  
#2  2.00 T      11.0
#3  3.00 T      22.0
#4  4.00 F      NA  

更新
与更新的数据

library(purrr)
A[names(B)] <- map(B, ~ replace(NA, A$b, .x))
A
# A tibble: 4 x 5
#      a b         c d     eeyyccc  
#   <dbl> <lgl> <dbl> <chr>   <dbl>
#1  1.00 F      NA   <NA>     NA  
#2  2.00 T      11.0 AA       55.0
#3  3.00 T      22.0 BB       66.0
#4  4.00 F      NA   <NA>     NA  

我们可以使用
replace
替换为
dplyr

library(dplyr)
A %>%
   mutate(c = replace(NA, b, B$c))
# A tibble: 4 x 3
#  a b         c
#  <dbl> <lgl> <dbl>
#1  1.00 F      NA  
#2  2.00 T      11.0
#3  3.00 T      22.0
#4  4.00 F      NA  

更新
与更新的数据

library(purrr)
A[names(B)] <- map(B, ~ replace(NA, A$b, .x))
A
# A tibble: 4 x 5
#      a b         c d     eeyyccc  
#   <dbl> <lgl> <dbl> <chr>   <dbl>
#1  1.00 F      NA   <NA>     NA  
#2  2.00 T      11.0 AA       55.0
#3  3.00 T      22.0 BB       66.0
#4  4.00 F      NA   <NA>     NA  

一个选项是
replace
即
A%>%mutate（c=replace（NA，b，b$c））
一个选项是
replace
即
A%>%mutate（c=replace（NA，b，b$c））
但这意味着我只有一列c，对吗相反，我有很多列，我甚至不知道它们的名称…@Thomas在这种情况下，使用
mutate_at
或
mutate_，如果
使用列索引/列名或基于列类型可能我的示例不够清楚，我尝试使其非常简单。不只是c，我的B有很多列的名字我事先不知道，所以我不能硬编码它们…@Thomas最好提供一个更好的例子来正确编码谢谢。我从未使用过purrr，必须查看文档才能理解map（）到底在做什么，但您更新的代码片段正是我所需要的：）但这意味着我只有一列c，对吗相反，我有很多列，我甚至不知道它们的名称…@Thomas在这种情况下，使用
mutate_at
或
mutate_，如果
使用列索引/列名或基于列类型可能我的示例不够清楚，我尝试使其非常简单。不只是c，我的B有很多列的名字我事先不知道，所以我不能硬编码它们…@Thomas最好提供一个更好的例子来正确编码谢谢。我从未使用过purrr，必须查看文档才能了解map（）的具体功能，但您更新的代码片段正是我所需要的：）
A[names(B)] <- lapply(B, function(x) replace(NA, A$b, x))