使用if将复制行压缩为唯一行

Question

所以有一种情况:

数据帧:

dat <- data.frame(colA = rep(c(0,1,0), c(6,1,8)), 
                  colB = rep(c(1,0,1,0), c(1,4,1,9)), 
                  colC = rep(c(0,1,0), c(9,1,5)), 
                  colD = rep(c(0,1,0), c(8,1,6)), 
                  colE = rep(0, 15), 
                  color = rep(c("blue","red","yellow"), each=5), 
                  colorId = rep(c(22,40,35), each=5))

colA   colB    colC    colD   colE   color   colorId
0      1       0       0      0      Blue    22
0      0       0       0      0      Blue    22
0      0       0       0      0      Blue    22
0      0       0       0      0      Blue    22
0      0       0       0      0      Blue    22
0      1       0       0      0      Red     40
1      0       0       0      0      Red     40
0      0       0       0      0      Red     40
0      0       0       1      0      Red     40
0      0       1       0      0      Red     40
0      0       0       0      0      Yellow  35
0      0       0       0      0      Yellow  35
0      0       0       0      0      Yellow  35
0      0       0       0      0      Yellow  35
0      0       0       0      0      Yellow  35

结束目标

colNames      color   colorId
colB          Blue    22
colB          Red     40
colA          Red     40
colD          Red     40
colC          Red     40
None          Yellow  35

这是我开始采取的方法,然后质疑自己陷入混乱.下面没有显示,我创建了另一个列,它使用rowSums(dat $ rowsu < - rowSums(dat [1:4] == 1))对'col'列的二进制值求和.

我正在考虑编写一个函数,如果有多于0个colorId重复计数,则保留rowsu> 0的所有行,如果它们全部为0且整个rowsu = 0,则保留为特殊情况下为yellow.然后在所有重复项中保留一行,类似于下面的内容.(如果是问题,在编写此部分时遇到问题)

colA   colB    colC    colD   colE   color   colorId
0      1       0       0      0      Blue    22
0      1       0       0      0      Red     40
1      0       0       0      0      Red     40
0      0       0       1      0      Red     40
0      0       1       0      0      Red     40
0      0       0       0      0      Yellow  35

其次,对于后一个用名称创建列的问题,还是考虑一个if函数,如果它下面有一个1,那么使用colname名称将其提取到行名中？不确定.

Answer 1

使用data.table-package的可能解决方案:

library(data.table)
setDT(dat)[, .(colNames = {cs <- colSums(.SD == 1) > 0;
                           if(sum(cs) > 0) names(.SD)[cs] else 'None'})
           , by = .(color, colorId)]

这使:

    color colorId colNames
1:   blue      22     colB
2:    red      40     colA
3:    red      40     colB
4:    red      40     colC
5:    red      40     colD
6: yellow      35     None

这是做什么的:

• setDT(dat)转换dat到一个"data.table"(这是一个的增强形式data.frame).
• data.tble-syntax的作用类似dat[i, j, by](见1b的解释).在这种情况下,dat按color和colorId( - by = .(color, colorId)部分)分组.
• 对于每个组,colSums(.SD == 1) > 0检查colAto colEcolums 是否包含a 1.生成的逻辑向量暂时存储为cs..SD代表D ata的S ubset (参见上一点链接中的2b).
• 最后,我们检查至少有一列是否1有sum(cs) > 0.如果是这种情况,则返回相应的列名names(.SD)[cs],如果条件不成立None则返回.

使用dplyr从tidyverse你可以得到相同的结果有:

library(dplyr)
dat %>% 
  group_by(color, colorId) %>% 
  do(data.frame(colNames = {cs <- colSums(. == 1) > 0;
                            if(sum(cs) > 0) names(.)[cs] else 'None'}))