R 如何根据列组前缀替换列组的空格？
如何根据以相同前缀开头的其他列中是否存在值，将列中的NA替换为所有0？例如，对于列A1，我只想将NA替换为0，其中列A2或A3为非空。我的真实数据有数百组列 我的数据：R 如何根据列组前缀替换列组的空格？,r,replace,na,prefix,R,Replace,Na,Prefix,如何根据以相同前缀开头的其他列中是否存在值，将列中的NA替换为所有0？例如，对于列A1，我只想将NA替换为0，其中列A2或A3为非空。我的真实数据有数百组列 我的数据： ID<-c(1,2,3,4,5,6,7,8) A1<-c(1,NA,1,NA,1,1,1,NA) A2<-c(1,NA,NA,1,NA,1,NA,NA) A3<-c(1,NA,NA,NA,1,NA,NA,NA) B1<-c(1,1,1,1,1,1,NA,1) B2<-c(1,1,1,1,NA,
ID<-c(1,2,3,4,5,6,7,8)
A1<-c(1,NA,1,NA,1,1,1,NA)
A2<-c(1,NA,NA,1,NA,1,NA,NA)
A3<-c(1,NA,NA,NA,1,NA,NA,NA)
B1<-c(1,1,1,1,1,1,NA,1)
B2<-c(1,1,1,1,NA,1,NA,NA)
B3<-c(1,1,NA,NA,1,NA,NA,NA)
mydata<-cbind.data.frame(ID,A1,A2,A3,B1,B2,B3)
IDbaseR
中的非精确答案，但似乎有效：
for(i in unique(gsub("\\d","",colnames(mydata)[-1]))){
mydata[apply(mydata[,grepl(i,colnames(mydata))],1,function(x) any(!is.na(x))),grepl(i,colnames(mydata))][is.na(mydata[apply(mydata[,grepl(i,colnames(mydata))],1,function(x) any(!is.na(x))),grepl(i,colnames(mydata))])]<-0
}
编辑：
其思想是通过将数字（\\d
）替换为空白的“
”
然后循环这些字母以选择以其开头的列。这就是grepl（i，colnames（mydata））applyany（）！is.NA（）apply（mydata[，grepl（i，colnames（mydata））]，1，函数（x）any（！is.NA（x））df[is.na（df））]另一种方法是
mydata[, 2:4][is.na(mydata[, 2:4])] <- rep(NA^(rowSums(is.na(mydata[2:4])) == 3) - 1,
length(2:4))[is.na(mydata[, 2:4])]
mydata[, 5:7][is.na(mydata[, 5:7])] <- rep(NA^(rowSums(is.na(mydata[5:7])) == 3) - 1,
length(5:7))[is.na(mydata[, 5:7])]
mydata
ID A1 A2 A3 B1 B2 B3
1 1 1 1 1 1 1 1
2 2 NA NA NA 1 1 1
3 3 1 0 0 1 1 0
4 4 0 1 0 1 1 0
5 5 1 0 1 1 0 1
6 6 1 1 0 1 1 0
7 7 1 0 0 NA NA NA
8 8 NA NA NA 1 0 0
mydata[，2:4][is.na（mydata[，2:4]）]一个使用lappy（）
的自定义函数：通用为具有任意数量的列，前提是它们遵循具有单个字母的模式
func <- function(x){
df <- mydata[grepl(x, colnames(mydata))] # extract only the same letter columns
m <- !is.na(df) # create a logical matrix to know which all are NA's
i = which(rowSums(m)!=0) # if all had NA's then summ will be 0. so avoid that
df[i,][is.na(df[i,])] <- 0 # insert wherever NA's to be 0( but only in those rows decided above)
return(df)
}
data.frame(ID = mydata$ID,lapply(LETTERS[1:2], func))
# ID A1 A2 A3 B1 B2 B3
#1 1 1 1 1 1 1 1
#2 2 NA NA NA 1 1 1
#3 3 1 0 0 1 1 0
#4 4 0 1 0 1 1 0
#5 5 1 0 1 1 0 1
#6 6 1 1 0 1 1 0
#7 7 1 0 0 NA NA NA
#8 8 NA NA NA 1 0 0
func两个tidyverse选项；哪个更实用取决于实际数据的维度。两者都有条件地结合
手动：
library(tidyverse)
mydata %>% rowwise() %>% # group by row
mutate_at(vars(starts_with('A')), # for A prefixes, coalesce if not all NA
funs(ifelse(all(is.na(c(A1, A2, A3))), ., coalesce(., 0)))) %>%
mutate_at(vars(starts_with('B')), # likewise for B
funs(ifelse(all(is.na(c(B1, B2, B3))), ., coalesce(., 0))))
## Source: local data frame [8 x 7]
## Groups: <by row>
##
## # A tibble: 8 × 7
## ID A1 A2 A3 B1 B2 B3
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1 1 1 1 1 1 1
## 2 2 NA NA NA 1 1 1
## 3 3 1 0 0 1 1 0
## 4 4 0 1 0 1 1 0
## 5 5 1 0 1 1 0 1
## 6 6 1 1 0 1 1 0
## 7 7 1 0 0 NA NA NA
## 8 8 NA NA NA 1 0 0
库（tidyverse）
mydata%%>%rowwise（）%%>%#按行分组
变异_at（vars（以（'A'）开头），对于A前缀，如果不是全部NA，则合并
funs（ifelse（all（is.na（c（A1，A2，A3）），，coalesce（，0）））%>%
在（vars）（以（'B'）开头）处变异，对于B也是如此
funs（ifelse（all（is.na（c（B1，B2，B3）），，coalesce（，0）））
##来源：本地数据帧[8 x 7]
##小组：
##
###A tibble:8×7
##ID A1 A2 A3 B1 B2 B3
##
## 1 1 1 1 1 1 1 1
##2不，不，不，不
## 3 3 1 0 0 1 1 0
## 4 4 0 1 0 1 1 0
## 5 5 1 0 1 1 0 1
## 6 6 1 1 0 1 1 0
##771010NA NA NA NA
##8NA NA 10 0 0
或以编程方式，通过重塑：
mydata %>% gather(var, val, -ID) %>% # reshape to long
group_by(ID, letter = substr(var, 1, 1)) %>% # group by ID and prefix
mutate(val = if(all(is.na(val))) val else coalesce(val, 0)) %>%
ungroup() %>% select(-letter) %>% spread(var, val) # clean up
## # A tibble: 8 × 7
## ID A1 A2 A3 B1 B2 B3
## * <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1 1 1 1 1 1 1
## 2 2 NA NA NA 1 1 1
## 3 3 1 0 0 1 1 0
## 4 4 0 1 0 1 1 0
## 5 5 1 0 1 1 0 1
## 6 6 1 1 0 1 1 0
## 7 7 1 0 0 NA NA NA
## 8 8 NA NA NA 1 0 0
mydata%%>%gather（var，val，-ID）%%>%#重新整形为long
分组依据（ID，字母=substr（var，1，1））%>%#分组依据ID和前缀
突变（val=if（all（is.na（val）））val-else结合（val，0））%>%
解组（）%%>%select（-letter）%%>%spread（var，val）#清理
###A tibble:8×7
##ID A1 A2 A3 B1 B2 B3
## *
## 1 1 1 1 1 1 1 1
##2不，不，不，不
## 3 3 1 0 0 1 1 0
## 4 4 0 1 0 1 1 0
## 5 5 1 0 1 1 0 1
## 6 6 1 1 0 1 1 0
##771010NA NA NA NA
##8NA NA 10 0 0
如果前缀可以扩展到一个字母以外，请使用合适的正则表达式替换substr
，例如sub（'\\d+$，''，var）
，部分答案，因为我必须赶去参加会议，但您可以使用：mydata[！is.na（mydata[c（'A1'，'A2'））索引A1和A2中未丢失的值您应该编辑一些水平和垂直空白，以使其更具可读性。
library(tidyverse)
mydata %>% rowwise() %>% # group by row
mutate_at(vars(starts_with('A')), # for A prefixes, coalesce if not all NA
funs(ifelse(all(is.na(c(A1, A2, A3))), ., coalesce(., 0)))) %>%
mutate_at(vars(starts_with('B')), # likewise for B
funs(ifelse(all(is.na(c(B1, B2, B3))), ., coalesce(., 0))))
## Source: local data frame [8 x 7]
## Groups: <by row>
##
## # A tibble: 8 × 7
## ID A1 A2 A3 B1 B2 B3
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1 1 1 1 1 1 1
## 2 2 NA NA NA 1 1 1
## 3 3 1 0 0 1 1 0
## 4 4 0 1 0 1 1 0
## 5 5 1 0 1 1 0 1
## 6 6 1 1 0 1 1 0
## 7 7 1 0 0 NA NA NA
## 8 8 NA NA NA 1 0 0
mydata %>% gather(var, val, -ID) %>% # reshape to long
group_by(ID, letter = substr(var, 1, 1)) %>% # group by ID and prefix
mutate(val = if(all(is.na(val))) val else coalesce(val, 0)) %>%
ungroup() %>% select(-letter) %>% spread(var, val) # clean up
## # A tibble: 8 × 7
## ID A1 A2 A3 B1 B2 B3
## * <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1 1 1 1 1 1 1
## 2 2 NA NA NA 1 1 1
## 3 3 1 0 0 1 1 0
## 4 4 0 1 0 1 1 0
## 5 5 1 0 1 1 0 1
## 6 6 1 1 0 1 1 0
## 7 7 1 0 0 NA NA NA
## 8 8 NA NA NA 1 0 0