问如何根据条件提取列名？
EN

Stack Overflow用户

提问于 2018-09-12 07:52:04

回答 2查看 840关注 0票数 2

考虑一下这个简单的例子

mytest <- data_frame(group = c('a', 'a', 'a', 'b', 'b', 'b'),
                     x = c(NA,NA,NA,5,6,7),
                     other_var = c(NA, NA, NA, 1,2,3),
                     y = c(3,5,6,NA,NA,NA),
                     another_var = c(1,2,3, NA,NA,NA),
                     label_x = c('hello','hello','hello','world','world','world'),
                     label_y =c('bada','bada','bada','boom','boom','boom'),
                     label_other_var = c('ak','ak','ak','run','run','run'),
                     label_another_var = c('noo','noo','noo','bie','bie','bie'))

# A tibble: 6 x 9
  group     x other_var     y another_var label_x label_y label_other_var label_another_var
  <chr> <dbl>     <dbl> <dbl>       <dbl> <chr>   <chr>   <chr>           <chr>            
1 a        NA        NA     3           1 hello   bada    ak              noo              
2 a        NA        NA     5           2 hello   bada    ak              noo              
3 a        NA        NA     6           3 hello   bada    ak              noo              
4 b         5         1    NA          NA world   boom    run             bie              
5 b         6         2    NA          NA world   boom    run             bie              
6 b         7         3    NA          NA world   boom    run             bie

在这里，我需要通过nest()通过group提取这个数据，并能够提取非NAs的变量的列名(在每个嵌套的dataframe中)。诀窍是变量的实际名称显示在label_列中。

例如，这是所需的输出：

# A tibble: 4 x 2
  group var  
  <chr> <chr>
1 a     bada 
2 a     noo  
3 b     world
4 b     run

实际上，以a组为例。只有一个不缺少的变量是y和another_var。但是，y的名称是bada (如label_y变量中所示)，而another_var的名称是noo。同样的道理也适用于b。

我不知道如何在运行后使用map调用来完成这个任务。

mytest %>% group_by(group) %>% nest()

# A tibble: 2 x 2
  group data            
  <chr> <list>          
1 a     <tibble [3 x 8]>
2 b     <tibble [3 x 8]>

有什么想法吗？谢谢!

编辑:最初的，较小的，提球建议如下

 mytest <- data_frame(group = c('a', 'a', 'a', 'b', 'b', 'b'),
+                      x = c(NA,NA,NA,5,6,7),
+                      y = c(3,5,6,NA,NA,NA),
+                      label_x = c('hello','hello','hello','world','world','world'),
+                      label_y =c('bada','bada','bada','boom','boom','boom'))

dplyr

purrr

回答 2

Stack Overflow用户

回答已采纳

发布于 2018-09-12 07:59:20

通过nesting分组后，使用map循环遍历'data‘，通过提取first非NA元素将'label’列summarise，在移除NA (na.rm = TRUE))时将其gather到单个列，然后执行unnest (仅保留感兴趣的列)。

mytest %>%
  group_by(group) %>% 
  nest %>% 
  mutate(var = map(data, ~ 
                     .x %>%
                      summarise(label_x = label_x[!is.na(x)][1], 
                                label_y = label_y[!is.na(y)][1]) %>% 
                      gather(key, var, na.rm = TRUE) %>% 
                      select(var))) %>%
  select(-data) %>% 
  unnest
# A tibble: 2 x 2#
#  group var 
#  <chr> <chr>
#1 a     bada 
#2 b     world

更新

如果有更多的列，则创建唯一的列名，然后用map2循环相应的列名。

nm1 <- unique(sub("label_", "", setdiff(names(mytest), "group")))
nm2 <- paste0("label_", nm1)
mytest %>% 
   group_by(group) %>% 
   nest %>%
   mutate(var = map(data, ~ 
                    map2_chr(.x %>% 
                               select(nm1),
                             .x %>%
                              select(nm2), ~ 
                                .y[!is.na(.x)][1]) %>% 
                                   na.omit %>%
                                   tibble(var = .))) %>% 
    select(-data) %>%
    unnest
# A tibble: 4 x 2
#  group var  
#  <chr> <chr>
#1 a     bada 
#2 a     noo  
#3 b     world
#4 b     run

票数 3

Stack Overflow用户

发布于 2018-09-12 09:10:45

这将输出所需的结果：

mytest <- data_frame(group = c('a', 'a', 'a', 'b', 'b', 'b'),
                     x = c(NA,NA,NA,5,6,7),
                     y = c(3,5,6,NA,NA,NA),
                     label_x = c('hello','hello','hello','world','world','world'),
                     label_y =c('bada','bada','bada','boom','boom','boom'))

extract_good_colnames <- function(df, subgroup){
  subset <- filter(df, group == subgroup)
  if(sum(is.na(subset$x)) > 0){
    colname = 'label_y'
  }else if(sum(is.na(subset$y)) > 0){
    colname = 'label_x'
  }
  return(tibble(group = subgroup, var = as.character(subset[1, colname])))
}

groups <- unique(mytest$group)
map_df(groups, function(x) extract_good_colnames(mytest, x))